一种目标识别方法及设备技术

技术编号:14445340 阅读:123 留言:0更新日期:2017-01-15 11:11
本发明专利技术实施例提供了一种目标识别方法及设备,提供一种识别数据所对应的对象的方式。该方法包括:将待识别的第一特征参数与存储的多个特征参数进行比较,获得多个相似度;其中每个相似度用于指示所述第一特征参数与存储的一个特征参数之间的相似程度;若所述多个相似度中最大的相似度小于预设的第一阈值,根据所述第一特征参数属于至少一个目标对象的至少一个条件概率及所述至少一个目标对象的先验概率,确定所述第一特征参数属于所述至少一个目标对象的至少一个实际概率;确定所述至少一个实际概率中最大的实际概率所对应的目标对象为所述第一特征参数所属的对象。

【技术实现步骤摘要】

本专利技术涉及目标识别
,尤其涉及一种目标识别方法及设备
技术介绍
在实际应用中,目标对象上可以设置多个传感器,不同的传感器采集的数据可以用于表征目标对象的不同属性。对于有多个目标对象的情况,传感器的数量以及传感器所采集的数据所表征的属性等就会更多,在获得一个传感器所采集的数据后,一般需要确定该传感器是属于哪个目标对象的,即识别该传感器所采集的数据表征的是哪个对象的属性,对于此,目前尚无较好的识别方式。
技术实现思路
本专利技术实施例提供一种目标识别方法及设备,用于提供一种识别数据所对应的对象的方式。第一方面,提供一种目标识别方法,所述方法包括:将待识别的第一特征参数与存储的多个特征参数进行比较,获得多个相似度;其中每个相似度用于指示所述第一特征参数与存储的一个特征参数之间的相似程度;若所述多个相似度中最大的相似度小于预设的第一阈值,根据所述第一特征参数属于至少一个目标对象的至少一个条件概率及所述至少一个目标对象的先验概率,确定所述第一特征参数属于所述至少一个目标对象的至少一个实际概率;确定所述至少一个实际概率中最大的实际概率所对应的目标对象为所述第一特征参数所属的对象。可选的,在将待识别的第一特征参数与存储的多个特征参数进行比较,获得多个相似度之后,还包括:若所述多个相似度中最大的相似度大于等于所述第一阈值,且所述存储的多个特征参数中每个特征参数的置信度都为1,确定所述存储的多个特征参数中支持度最大的特征参数所对应的目标对象为所述第一特征参数所属的对象。可选的,在将待识别的第一特征参数与存储的多个特征参数进行比较,获得多个相似度之后,还包括:若所述多个相似度中最大的相似度大于等于所述第一阈值,且所述存储的多个特征参数中每个特征参数的置信度都小于1,确定所述存储的多个特征参数中置信度最大的特征参数所对应的目标对象为所述第一特征参数所属的对象。可选的,在将待识别的第一特征参数与存储的多个特征参数进行比较,获得多个相似度之后,还包括:若所述多个相似度中最大的相似度大于等于所述第一阈值,且所述存储的多个特征参数中的第二特征参数的置信度为1,确定所述第二特征参数所对应的目标对象为所述第一特征参数所属的对象;其中,所述存储的多个特征参数中除所述第二特征参数之外其他的每个特征参数的置信度均小于1。可选的,在根据所述第一特征参数属于至少一个目标对象的至少一个条件概率及所述至少一个目标对象的先验概率,确定所述第一特征参数属于所述至少一个目标对象的至少一个实际概率之前,还包括:建立贝叶斯网络模型;其中,所述贝叶斯网络模型的父节点代表所述至少一个目标对象的属性,所述贝叶斯网络模型的子节点代表待识别的特征参数;根据所述第一特征参数属于至少一个目标对象的至少一个条件概率及所述至少一个目标对象的先验概率,确定所述第一特征参数属于所述至少一个目标对象的至少一个实际概率,包括:根据所述第一特征参数属于至少一个目标对象的至少一个条件概率及所述至少一个目标对象的先验概率,通过所述贝叶斯网络模型确定所述第一特征参数属于所述至少一个目标对象的所述至少一个实际概率。可选的,在建立贝叶斯网络模型之后,还包括:根据所述贝叶斯网络模型获取所述第一特征参数在预设的持续时长的转移概率;所述转移概率用于指示所述第一特征参数所属的对象发生改变的概率;根据所述第一特征参数属于至少一个目标对象的至少一个条件概率及所述至少一个目标对象的先验概率,确定所述第一特征参数属于所述至少一个目标对象的至少一个实际概率,包括:根据所述第一特征参数属于至少一个目标对象的至少一个条件概率、所述至少一个目标对象的先验概率及所述转移概率,通过所述贝叶斯网络模型确定所述第一特征参数属于所述至少一个目标对象的所述至少一个实际概率。可选的,在确定所述至少一个实际概率中最大的实际概率所对应的目标对象为所述第一特征参数所属的对象之后,还包括:将待识别的第三特征参数的第一信息是否与所述第一特征参数的第一信息一致;所述第一信息用于指示特征参数所对应的属性;若所述第三特征参数的第一信息与所述第一特征参数的第一信息一致,则确定所述第一特征参数所属的对象为所述第三特征参数所属的对象。可选的,在确定所述第一特征参数所属的对象为所述第三特征参数所属的对象之前,还包括:确定所述第一特征参数所属的对象为第一对象的置信度是否为1;确定所述第一特征参数所属的对象为所述第三特征参数所属的对象,包括:若所述第一特征参数所属的对象为所述第一对象的置信度为1,则确定所述第一对象为所述第三特征参数所属的对象。第二方面,提供一种目标识别设备,包括:存储器,用于存储指令;处理器,用于调用所述存储器存储的指令,将待识别的第一特征参数与存储的多个特征参数进行比较,获得多个相似度;若所述多个相似度中最大的相似度小于预设的第一阈值,根据所述第一特征参数属于至少一个目标对象的至少一个条件概率及所述至少一个目标对象的先验概率,确定所述第一特征参数属于所述至少一个目标对象的至少一个实际概率;确定所述至少一个实际概率中最大的实际概率所对应的目标对象为所述第一特征参数所属的对象;其中,每个相似度用于指示所述第一特征参数与存储的一个特征参数之间的相似程度。可选的,所述处理器还用于:在将待识别的第一特征参数与存储的多个特征参数进行比较,获得多个相似度之后,若所述多个相似度中最大的相似度大于等于所述第一阈值,且所述存储的多个特征参数中每个特征参数的置信度都为1,确定所述存储的多个特征参数中支持度最大的特征参数所对应的目标对象为所述第一特征参数所属的对象。可选的,所述处理器还用于:在将待识别的第一特征参数与存储的多个特征参数进行比较,获得多个相似度之后,若所述多个相似度中最大的相似度大于等于所述第一阈值,且所述存储的多个特征参数中每个特征参数的置信度都小于1,确定所述存储的多个特征参数中置信度最大的特征参数所对应的目标对象为所述第一特征参数所属的对象。可选的,所述处理器还用于:在将待识别的第一特征参数与存储的多个特征参数进行比较,获得多个相似度之后,若所述多个相似度中最大的相似度大于等于所述第一阈值,且所述存储的多个特征参数中的第二特征参数的置信度为1,确定所述第二特征参数所对应的目标对象为所述第一特征参数所属的对象;其中,所述存储的多个特征参数中除所述第二特征参数之外其他的每个特征参数的置信度均小于1。可选的,所述处理器还用于:在根据所述第一特征参数属于至少一个目标对象的至少一个条件概率及所述至少一个目标对象的先验概率,确定所述第一特征参数属于所述至少一个目标对象的至少一个实际概率之前,建立贝叶斯网络模型;其中,所述贝叶斯网络模型的父节点代表所述至少一个目标对象的属性,所述贝叶斯网络模型的子节点代表待识别的特征参数;所述处理器用于根据所述第一特征参数属于至少一个目标对象的至少一个条件概率及所述至少一个目标对象的先验概率,确定所述第一特征参数属于所述至少一个目标对象的至少一个实际概率,包括:根据所述第一特征参数属于至少一个目标对象的至少一个条件概率及所述至少一个目标对象的先验概率,通过所述贝叶斯网络模型确定所述第一特征参数属于所述至少一个目标对象的所述至少一个实际概率。可选的,所述处理器还用于:在建立贝叶斯网络模型之后,根据所述贝叶斯网络本文档来自技高网...
一种目标识别方法及设备

【技术保护点】
一种目标识别方法,包括:将待识别的第一特征参数与存储的多个特征参数进行比较,获得多个相似度;其中每个相似度用于指示所述第一特征参数与存储的一个特征参数之间的相似程度;若所述多个相似度中最大的相似度小于预设的第一阈值,根据所述第一特征参数属于至少一个目标对象的至少一个条件概率及所述至少一个目标对象的先验概率,确定所述第一特征参数属于所述至少一个目标对象的至少一个实际概率;确定所述至少一个实际概率中最大的实际概率所对应的目标对象为所述第一特征参数所属的对象。

【技术特征摘要】
1.一种目标识别方法,包括:将待识别的第一特征参数与存储的多个特征参数进行比较,获得多个相似度;其中每个相似度用于指示所述第一特征参数与存储的一个特征参数之间的相似程度;若所述多个相似度中最大的相似度小于预设的第一阈值,根据所述第一特征参数属于至少一个目标对象的至少一个条件概率及所述至少一个目标对象的先验概率,确定所述第一特征参数属于所述至少一个目标对象的至少一个实际概率;确定所述至少一个实际概率中最大的实际概率所对应的目标对象为所述第一特征参数所属的对象。2.如权利要求1所述的方法,其特征在于,在将待识别的第一特征参数与存储的多个特征参数进行比较,获得多个相似度之后,还包括:若所述多个相似度中最大的相似度大于等于所述第一阈值,且所述存储的多个特征参数中每个特征参数的置信度都为1,确定所述存储的多个特征参数中支持度最大的特征参数所对应的目标对象为所述第一特征参数所属的对象。3.如权利要求1所述的方法,其特征在于,在将待识别的第一特征参数与存储的多个特征参数进行比较,获得多个相似度之后,还包括:若所述多个相似度中最大的相似度大于等于所述第一阈值,且所述存储的多个特征参数中每个特征参数的置信度都小于1,确定所述存储的多个特征参数中置信度最大的特征参数所对应的目标对象为所述第一特征参数所属的对象。4.如权利要求1所述的方法,其特征在于,在将待识别的第一特征参数与存储的多个特征参数进行比较,获得多个相似度之后,还包括:若所述多个相似度中最大的相似度大于等于所述第一阈值,且所述存储的多个特征参数中的第二特征参数的置信度为1,确定所述第二特征参数所对应的目标对象为所述第一特征参数所属的对象;其中,所述存储的多个特征参数中除所述第二特征参数之外其他的每个特征参数的置信度均小于1。5.如权利要求1-4任一所述的方法,其特征在于,在根据所述第一特征参数属于至少一个目标对象的至少一个条件概率及所述至少一个目标对象的先验概率,确定所述第一特征参数属于所述至少一个目标对象的至少一个实际概率之前,还包括:建立贝叶斯网络模型;其中,所述贝叶斯网络模型的父节点代表所述至少一个目标对象的属性,所述贝叶斯网络模型的子节点代表待识别的特征参数;根据所述第一特征参数属于至少一个目标对象的至少一个条件概率及所述至少一个目标对象的先验概率,确定所述第一特征参数属于所述至少一个目标对象的至少一个实际概率,包括:根据所述第一特征参数属于至少一个目标对象的至少一个条件概率及所述至少一个目标对象的先验概率,通过所述贝叶斯网络模型确定所述第一特征参数属于所述至少一个目标对象的所述至少一个实际概率。6.如权利要求5所述的方法,其特征在于,在建立贝叶斯网络模型之后,还包括:根据所述贝叶斯网络模型获取所述第一特征参数在预设的持续时长的转移概率;所述转移概率用于指示所述第一特征参数所属的对象发生改变的概率;根据所述第一特征参数属于至少一个目标对象的至少一个条件概率及所述至少一个目标对象的先验概率,确定所述第一特征参数属于所述至少一个目标对象的至少一个实际概率,包括:根据所述第一特征参数属于至少一个目标对象的至少一个条件概率、所述至少一个目标对象的先验概率及所述转移概率,通过所述贝叶斯网络模型确定所述第一特征参数属于所述至少一个目标对象的所述至少一个实际概率。7.如权利要求1-4任一所述的方法,其特征在于,在确定所述至少一个实际概率中最大的实际概率所对应的目标对象为所述第一特征参数所属的对象之后,还包括:判断待识别的第三特征参数的第一信息是否与所述第一特征参数的第一信息一致;所述第一信息用于指示特征参数所对应的属性;若所述第三特征参数的第一信息与所述第一特征参数的第一信息一致,则确定所述第一特征参数所属的对象为所述第三特征参数所属的对象。8.如权利要求7所述的方法,其特征在于,在确定所述第一特征参数所属的对象为所述第三特征参数所属的对象之前,还包括:确定所述第一特征参数所属的对象为第一对象的置信度是否为1;确定所述第一特征参数所属的对象为所述第三特征参数所属的对象,包括:若所述第一特征参数所属的对象为所述第一对象的置信度为1,则确定所述第一对象为所述第三特征参数所属的对象。9.一种目标识别设备,包括:存储器,用于存储指令;处理器,用于调用所述存储器存储的指令,将待识别的第一特征参数与存储的多个特征参数进行比较,获得多个相似度;若所述多个相似度中最大的相似度小于预设的第一阈值,根据所述第一特征参数属于至少一个目标对象的至少一个条件概率及所述至少一个目标对象的先验概率,确定所述第一特征参数属于所述至少一个目标对象的至少一个实际概率;确定所述至少一个实际...

【专利技术属性】
技术研发人员:高晓利李捷谢京华
申请(专利权)人:四川九洲电器集团有限责任公司
类型:发明
国别省市:四川;51

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1