JPH0511037A - 目標自動類識別方法 - Google Patents
目標自動類識別方法Info
- Publication number
- JPH0511037A JPH0511037A JP3165556A JP16555691A JPH0511037A JP H0511037 A JPH0511037 A JP H0511037A JP 3165556 A JP3165556 A JP 3165556A JP 16555691 A JP16555691 A JP 16555691A JP H0511037 A JPH0511037 A JP H0511037A
- Authority
- JP
- Japan
- Prior art keywords
- target
- narrow band
- speed
- catalog
- band signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Complex Calculations (AREA)
- Image Processing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
(57)【要約】
【目的】 速力に応じて周波数が変化する目標物に対し
ても、類識別が可能な目標類識別方法を提供する。 【構成】 比較照合手段１２では、狭帯域信号の特徴情
報に基づき、該特徴情報の狭帯域信号と、記憶手段１３
に格納されたカタログの対応する狭帯域信号を選択して
その両狭帯域信号の比較照合により、確信度の割り当て
を行う。カタログは、目標Ａ，Ｂ，Ｃ，…について、そ
れぞれ速力別に保存されている。確信度演算手段１４で
は、比較照合手段１２で割り当てられた確信度を合成
し、前記カタログの速力別の各目標に対する確信度を計
算する。目標選択手段１５では、確信度の上位にある目
標候補を選択し、表示手段１６で表示させる。
ても、類識別が可能な目標類識別方法を提供する。 【構成】 比較照合手段１２では、狭帯域信号の特徴情
報に基づき、該特徴情報の狭帯域信号と、記憶手段１３
に格納されたカタログの対応する狭帯域信号を選択して
その両狭帯域信号の比較照合により、確信度の割り当て
を行う。カタログは、目標Ａ，Ｂ，Ｃ，…について、そ
れぞれ速力別に保存されている。確信度演算手段１４で
は、比較照合手段１２で割り当てられた確信度を合成
し、前記カタログの速力別の各目標に対する確信度を計
算する。目標選択手段１５では、確信度の上位にある目
標候補を選択し、表示手段１６で表示させる。
Description
【０００１】
【産業上の利用分野】本発明は、ソーナ信号処理方法等
において、センサに入力された目標の情報から、該情報
源の種類や種別等を類識別する目標自動類識別方法に関
するものである。
において、センサに入力された目標の情報から、該情報
源の種類や種別等を類識別する目標自動類識別方法に関
するものである。
【０００２】
【従来の技術】従来、このような分野の技術としては、
例えばＭ．Ａ．フィシュラー／Ｏ．ファーシャイン著
（玉井哲雄訳）「人と機械の知能」（初版）（１９８９
−４−２０）（株）トッパン、ｐ．１１８−１２２に記
載されるものがあった。
例えばＭ．Ａ．フィシュラー／Ｏ．ファーシャイン著
（玉井哲雄訳）「人と機械の知能」（初版）（１９８９
−４−２０）（株）トッパン、ｐ．１１８−１２２に記
載されるものがあった。
【０００３】従来、例えばソーナで水中の物体から放射
される音響信号を検知する場合、一般に方位、及び周波
数空間でのレベルの極大点の時間的連なり（これを「ラ
イン」という）として音源信号を検知する方法が用いら
れる。ラインの周波数、ゆらぎ等の情報は、目標音源に
固有のものであり、該目標の類識別を行う場合に重要な
判定要素となる。これらのパラメータを用いて、自動的
に目標の類識別を行う方法が、目標自動類識別方法であ
り、その一例を図を用いて説明する。
される音響信号を検知する場合、一般に方位、及び周波
数空間でのレベルの極大点の時間的連なり（これを「ラ
イン」という）として音源信号を検知する方法が用いら
れる。ラインの周波数、ゆらぎ等の情報は、目標音源に
固有のものであり、該目標の類識別を行う場合に重要な
判定要素となる。これらのパラメータを用いて、自動的
に目標の類識別を行う方法が、目標自動類識別方法であ
り、その一例を図を用いて説明する。
【０００４】図２は、従来の目標自動類識別方法を示す
もので、音源の探知から目標の類識別に至る一連の流れ
の説明図である。
もので、音源の探知から目標の類識別に至る一連の流れ
の説明図である。
【０００５】従来の目標自動類識別方法において、Ｎ個
のセンサ１−１〜１−Ｎに入力される時系列信号に対
し、ＦＦＴ（高速フーリエ変換）／整相処理２では、Ｆ
ＦＴと整相処理を行い、時系列信号を方位、及び周波数
空間上のレベルデータに変換し、自動探知／追尾処理３
へ送る。自動探知／追尾処理３では、方位、及び周波数
空間でのレベルの極大点（これを「イベント」という）
を検出し、それを時間的に追尾することにより、ライン
ＬＳの検出を行い、その検出結果をデータ統合処理４へ
送る。
のセンサ１−１〜１−Ｎに入力される時系列信号に対
し、ＦＦＴ（高速フーリエ変換）／整相処理２では、Ｆ
ＦＴと整相処理を行い、時系列信号を方位、及び周波数
空間上のレベルデータに変換し、自動探知／追尾処理３
へ送る。自動探知／追尾処理３では、方位、及び周波数
空間でのレベルの極大点（これを「イベント」という）
を検出し、それを時間的に追尾することにより、ライン
ＬＳの検出を行い、その検出結果をデータ統合処理４へ
送る。
【０００６】データ統合処理４では、ラインＬＳの方位
情報から、同一音源に関するラインセットの組み合わせ
を生成し、該生成結果を特徴抽出処理５へ送る。特徴抽
出処理５では、各ラインＬＳの特徴抽出を行い、該特徴
要素として周波数の時間的な平均値ｆｉ、及び標準偏差
値σｉ（ｉ＝１，２，…，ｎ）を抽出し、それらのデー
タをカタログ照合処理６へ送る。カタログ照合処理６で
は、探知したラインＬＳと、目標Ａ，Ｂ，…の特徴デー
タ（これを「カタログ」という）との照合を行う。その
カタログ照合処理の原理の説明図を図３に示す。
情報から、同一音源に関するラインセットの組み合わせ
を生成し、該生成結果を特徴抽出処理５へ送る。特徴抽
出処理５では、各ラインＬＳの特徴抽出を行い、該特徴
要素として周波数の時間的な平均値ｆｉ、及び標準偏差
値σｉ（ｉ＝１，２，…，ｎ）を抽出し、それらのデー
タをカタログ照合処理６へ送る。カタログ照合処理６で
は、探知したラインＬＳと、目標Ａ，Ｂ，…の特徴デー
タ（これを「カタログ」という）との照合を行う。その
カタログ照合処理の原理の説明図を図３に示す。
【０００７】図３において、ｆ1 ，ｆ2 ，ｆ3 は周波数
の平均値、σ1 ，σ2 ，σ3 は周波数の標準偏差値、Ｆ
1 ，Ｆ2 ，Ｆ3 はカタログの周波数、ｄＦ1 ，ｄＦ2 ，
ｄＦ3 は周波数の変化幅、Ｃ，Ｃ1 ，Ｃ2 ，Ｃ3 は確信
度である。
の平均値、σ1 ，σ2 ，σ3 は周波数の標準偏差値、Ｆ
1 ，Ｆ2 ，Ｆ3 はカタログの周波数、ｄＦ1 ，ｄＦ2 ，
ｄＦ3 は周波数の変化幅、Ｃ，Ｃ1 ，Ｃ2 ，Ｃ3 は確信
度である。
【０００８】例えば、ソーナの入力信号から探知したラ
インＬＳ１が目標ＡのラインＬＡ１と同一である確信度
はＣ1 である。このとき、全体を１として、１からＣ1
を引いた残りは、不明の確信度を表す。ここで不明と
は、ある仮説に対して肯定でも否定でもない状態（即
ち、どちらかわからない状態）を意味する。仮説を肯
定、または否定する情報が得られると、不明の量は小さ
くなり、肯定、否定の量が大きくなる。
インＬＳ１が目標ＡのラインＬＡ１と同一である確信度
はＣ1 である。このとき、全体を１として、１からＣ1
を引いた残りは、不明の確信度を表す。ここで不明と
は、ある仮説に対して肯定でも否定でもない状態（即
ち、どちらかわからない状態）を意味する。仮説を肯
定、または否定する情報が得られると、不明の量は小さ
くなり、肯定、否定の量が大きくなる。
【０００９】仮説Ｈを次のように定義する。Ｈ：探知さ
れたラインは目標Ａのラインである。
れたラインは目標Ａのラインである。
【００１０】図３の例では、仮説Ｈを肯定する３つの証
拠が得られており、確信度はそれぞれＣ1 ，Ｃ2 ，Ｃ3
となっている。これらを合成するには、最初に２つの証
拠による確信度Ｃ1 ，Ｃ2 を合成し、その結果と３つ目
の確信度Ｃ3 を合成するという手順で行う。
拠が得られており、確信度はそれぞれＣ1 ，Ｃ2 ，Ｃ3
となっている。これらを合成するには、最初に２つの証
拠による確信度Ｃ1 ，Ｃ2 を合成し、その結果と３つ目
の確信度Ｃ3 を合成するという手順で行う。
【００１１】２つの証拠による確信度の合成は、デンプ
スターの規則を用いて、次の式（１）のようになる。 Ｃ＝１−（１−Ｃ1 ）・（１−Ｃ2 ）………（１）
スターの規則を用いて、次の式（１）のようになる。 Ｃ＝１−（１−Ｃ1 ）・（１−Ｃ2 ）………（１）
【００１２】同様に、この式（１）の結果を用いて次の
式（２）により、３つの証拠による確信度Ｃが得られ
る。 Ｃ←１−（１−Ｃ）・（１−Ｃ3 ）………（２）
式（２）により、３つの証拠による確信度Ｃが得られ
る。 Ｃ←１−（１−Ｃ）・（１−Ｃ3 ）………（２）
【００１３】個々の確信度Ｃｉ（ｉ＝１，２，…，ｎ）
は、探知したラインの平均周波数ｆｉ、標準偏差値σ
ｉ、カタログのライン周波数Ｆｉ、周波数変化幅ｄＦｉ
として次の式（３）により算出する。
は、探知したラインの平均周波数ｆｉ、標準偏差値σ
ｉ、カタログのライン周波数Ｆｉ、周波数変化幅ｄＦｉ
として次の式（３）により算出する。
【数１】 ここで、ｗｉは重み係数であり、０〜１の間の値をと
る。ラインｉが目標Ａに固有のものであるときには１に
近い値となるように設定する。
る。ラインｉが目標Ａに固有のものであるときには１に
近い値となるように設定する。
【００１４】
【発明が解決しようとする課題】しかしながら、従来の
目標自動類識別方法では、周波数の平均値及び標準偏差
値の推定は、推定の信頼性を上げるため、該当ラインの
探知以後の全時間の積分により行っていた。従って、探
知した後、目標物が速力を変えるなど状態が変化した場
合には、目標物の推進機系によるラインは周波数の変化
のため、標準偏差が非常に大きな値となり、類識別のた
めの照合の対象とは成り得ないという問題があった。
目標自動類識別方法では、周波数の平均値及び標準偏差
値の推定は、推定の信頼性を上げるため、該当ラインの
探知以後の全時間の積分により行っていた。従って、探
知した後、目標物が速力を変えるなど状態が変化した場
合には、目標物の推進機系によるラインは周波数の変化
のため、標準偏差が非常に大きな値となり、類識別のた
めの照合の対象とは成り得ないという問題があった。
【００１５】図４は、目標物が速力を切り換える場合の
速力及び確信度の変化を示したものである。図４の上方
に示すように、目標物は一般にステップ状に速力を切り
換えて運動をすることが多い。簡単のため、２段階の速
力の切り換えを例にとり、低速の状態を速力１、高速の
状態を速力２とする。速力１では周波数ｆ11からｆ12の
間のラインスペクトルが頻繁に発生し、速力２では周波
数ｆ21からｆ22の間のラインスペクトルが頻繁に発生す
るものと仮定する。各区間にラインが存在するとき、目
標がＡである確信度をＣA とすると、確信度は図４の下
方に示すように、時間変化する。これらの確信度は式
（１）及び式（２）に示すデンプスターの規則を用いて
合成し、最終的な結果を得る。
速力及び確信度の変化を示したものである。図４の上方
に示すように、目標物は一般にステップ状に速力を切り
換えて運動をすることが多い。簡単のため、２段階の速
力の切り換えを例にとり、低速の状態を速力１、高速の
状態を速力２とする。速力１では周波数ｆ11からｆ12の
間のラインスペクトルが頻繁に発生し、速力２では周波
数ｆ21からｆ22の間のラインスペクトルが頻繁に発生す
るものと仮定する。各区間にラインが存在するとき、目
標がＡである確信度をＣA とすると、確信度は図４の下
方に示すように、時間変化する。これらの確信度は式
（１）及び式（２）に示すデンプスターの規則を用いて
合成し、最終的な結果を得る。
【００１６】すなわち、従来の目標自動類識別方法を使
用すると、速力１、速力２を合わせた平均、標準偏差値
が推定されるため、抽出したラインとカタログデータと
の対応ができなくなるという問題があり、それを解決す
ることが困難であった。
用すると、速力１、速力２を合わせた平均、標準偏差値
が推定されるため、抽出したラインとカタログデータと
の対応ができなくなるという問題があり、それを解決す
ることが困難であった。
【００１７】本発明は、前記従来技術が持っていた課題
として、速力に応じて周波数が変化する目標に対して、
カタログが類識別のための照合の対象とは成らないとい
う点について解決した目標自動類識別方法を提供するも
のである。
として、速力に応じて周波数が変化する目標に対して、
カタログが類識別のための照合の対象とは成らないとい
う点について解決した目標自動類識別方法を提供するも
のである。
【００１８】
【課題を解決するための手段】本発明は前記課題を解決
するために、周波数情報から抽出された複数の狭帯域信
号の特徴情報に基づき、探知された前記狭帯域信号とカ
タログの対応する狭帯域信号を選択してその両狭帯域信
号の比較照合を行い、デンプスター・シェーファーの理
論に基づき、仮説に対する肯定及び不明の確信度を定義
し、前記目標に対応づけられた複数の狭帯域信号の確信
度の合成を行い目標の自動類識別を行う目標自動類識別
方法において、目標物及び目標物の速力に対応した狭帯
域信号を保持するカタログを有し、速力に応じて周波数
が変化する目標に対し、確信度の合成を行うようにして
いる。
するために、周波数情報から抽出された複数の狭帯域信
号の特徴情報に基づき、探知された前記狭帯域信号とカ
タログの対応する狭帯域信号を選択してその両狭帯域信
号の比較照合を行い、デンプスター・シェーファーの理
論に基づき、仮説に対する肯定及び不明の確信度を定義
し、前記目標に対応づけられた複数の狭帯域信号の確信
度の合成を行い目標の自動類識別を行う目標自動類識別
方法において、目標物及び目標物の速力に対応した狭帯
域信号を保持するカタログを有し、速力に応じて周波数
が変化する目標に対し、確信度の合成を行うようにして
いる。
【００１９】
【作用】本発明によれば、以上のように目標自動類識別
方法を構成したので、比較照合段階で、狭帯域信号の特
徴情報に基づき、該特徴情報の狭帯域信号とカタログの
対応する速力別の狭帯域信号との比較照合を行なう。こ
れにより、目標物の速力に応じて周波数が変化する場合
であっても、目標自動類識別が可能となる。従って、前
記課題を解決できるのである。
方法を構成したので、比較照合段階で、狭帯域信号の特
徴情報に基づき、該特徴情報の狭帯域信号とカタログの
対応する速力別の狭帯域信号との比較照合を行なう。こ
れにより、目標物の速力に応じて周波数が変化する場合
であっても、目標自動類識別が可能となる。従って、前
記課題を解決できるのである。
【００２０】
【実施例】図１は、本発明の実施例を示す目標自動類識
別装置の概略の機能ブロック図である。
別装置の概略の機能ブロック図である。
【００２１】図１の目標自動類識別装置は、図示しない
センサで検出されたイベントの周波数情報を逐次入力す
る入力手段１０を有している。入力端子１０には、各イ
ベントの周波数情報から平均値ｆｉ、及び標準偏差値σ
ｉ（ｉ＝１，２，…，ｎ）等の特徴要素を抽出する特徴
抽出手段１１が接続されている。特徴抽出手段１１に
は、特徴要素とカタログの比較及び照合を行って確信度
の割り当てを行う比較照合手段１２が接続され、該比較
照合手段１２に記憶手段１３及び確信度演算手段１４が
接続されている。
センサで検出されたイベントの周波数情報を逐次入力す
る入力手段１０を有している。入力端子１０には、各イ
ベントの周波数情報から平均値ｆｉ、及び標準偏差値σ
ｉ（ｉ＝１，２，…，ｎ）等の特徴要素を抽出する特徴
抽出手段１１が接続されている。特徴抽出手段１１に
は、特徴要素とカタログの比較及び照合を行って確信度
の割り当てを行う比較照合手段１２が接続され、該比較
照合手段１２に記憶手段１３及び確信度演算手段１４が
接続されている。
【００２２】記憶手段１３は、カタログデータを保存す
るメモリで構成されている。カタログデータは、目標
Ａ，Ｂ，Ｃ，…について、それぞれ速力別に保存されて
いる。
るメモリで構成されている。カタログデータは、目標
Ａ，Ｂ，Ｃ，…について、それぞれ速力別に保存されて
いる。
【００２３】確信度演算手段１４は、比較照合手段１２
の出力を入力し、デンプスター・シェーファーの理論に
基づき、確信度の計算を行って該確信度の合成を行う。
この確信度演算手段１４の出力側には、確信度の上位候
補を選択する目標選択手段１５が接続され、さらにその
出力側に、確信度上位のカタログを表示するＣＲＴ等の
表示手段１６が接続されている。
の出力を入力し、デンプスター・シェーファーの理論に
基づき、確信度の計算を行って該確信度の合成を行う。
この確信度演算手段１４の出力側には、確信度の上位候
補を選択する目標選択手段１５が接続され、さらにその
出力側に、確信度上位のカタログを表示するＣＲＴ等の
表示手段１６が接続されている。
【００２４】なお、特徴抽出手段１１、比較照合手段１
２、確信度演算手段１４及び目標選択手段１５は、集積
回路等を用いた個別回路、或いはプロセッサ等によるプ
ログラム制御により構成される。
２、確信度演算手段１４及び目標選択手段１５は、集積
回路等を用いた個別回路、或いはプロセッサ等によるプ
ログラム制御により構成される。
【００２５】以上のような目標自動類識別装置を用いた
目標自動類識別方法について説明する。図示しないセン
サで受信されたイベントの周波数情報は、入力端子１０
を介して逐次、目標自動類識別装置内の特徴抽出手段１
１へ入力される。特徴抽出手段１１では、入力された周
波数情報に基づき、全てのラインＬＳの狭帯域信号から
なる平均値ｆｉ、標準偏差値σｉ（ｉ＝１，２，…，
ｎ）を計算し、その計算結果である特徴情報を比較照合
手段１２へ送る。
目標自動類識別方法について説明する。図示しないセン
サで受信されたイベントの周波数情報は、入力端子１０
を介して逐次、目標自動類識別装置内の特徴抽出手段１
１へ入力される。特徴抽出手段１１では、入力された周
波数情報に基づき、全てのラインＬＳの狭帯域信号から
なる平均値ｆｉ、標準偏差値σｉ（ｉ＝１，２，…，
ｎ）を計算し、その計算結果である特徴情報を比較照合
手段１２へ送る。
【００２６】比較照合手段１２では、イベントの平均周
波数及び標準偏差と、記憶手段１３に保存された最も近
い周波数を持つカタログデータの周波数及び変化幅とを
比較し、類似度、つまり与えられたカタログデータと同
一である確信度を割り当て、その結果を確信度演算手段
１４へ送る。
波数及び標準偏差と、記憶手段１３に保存された最も近
い周波数を持つカタログデータの周波数及び変化幅とを
比較し、類似度、つまり与えられたカタログデータと同
一である確信度を割り当て、その結果を確信度演算手段
１４へ送る。
【００２７】確信度演算手段１４では、デンプスターの
規則を用いて前記式（１）及び式（２）に従い、比較照
合手段１２で割り当てられた確信度を合成し、カタログ
データの速力別の各目標Ａ，Ｂ，Ｃ，…に対する確信度
を計算し、その計算結果を目標選択手段１５へ送る。目
標選択手段１５では、確信度の上位にある目標候補を選
択し、その選択結果を表示手段１６へ送って表示する。
規則を用いて前記式（１）及び式（２）に従い、比較照
合手段１２で割り当てられた確信度を合成し、カタログ
データの速力別の各目標Ａ，Ｂ，Ｃ，…に対する確信度
を計算し、その計算結果を目標選択手段１５へ送る。目
標選択手段１５では、確信度の上位にある目標候補を選
択し、その選択結果を表示手段１６へ送って表示する。
【００２８】このように、本実施例では、比較照合手段
１２により、特徴情報の狭帯域信号とカタログの対応す
る速力別の狭帯域信号との比較照合を行なう。そのた
め、従来の方法では解決できなかった目標物の速力が変
化する場合の問題を解決できる。
１２により、特徴情報の狭帯域信号とカタログの対応す
る速力別の狭帯域信号との比較照合を行なう。そのた
め、従来の方法では解決できなかった目標物の速力が変
化する場合の問題を解決できる。
【００２９】なお、本発明は上記実施例に限定されず、
目標選択手段１５の選択結果を印刷により表示したり、
或いは、本発明の類別方法をソーナ以外のレーダ等の種
々の用途に適用できる。
目標選択手段１５の選択結果を印刷により表示したり、
或いは、本発明の類別方法をソーナ以外のレーダ等の種
々の用途に適用できる。
【００３０】
【発明の効果】以上詳細に説明したように、本発明によ
れば、比較照合手段により、狭帯域信号の特徴情報に基
づき、該特徴情報の狭帯域信号とカタログの対応する速
力別の狭帯域信号との比較照合を行なっている。そのた
め、目標物の速力に応じて周波数が変化する場合であっ
ても、目標自動類識別が可能となる。
れば、比較照合手段により、狭帯域信号の特徴情報に基
づき、該特徴情報の狭帯域信号とカタログの対応する速
力別の狭帯域信号との比較照合を行なっている。そのた
め、目標物の速力に応じて周波数が変化する場合であっ
ても、目標自動類識別が可能となる。
【図１】本発明の実施例を示す目標自動類識別装置の機
能ブロック図である。
能ブロック図である。
【図２】従来の目標自動類識別方法の説明図である。
【図３】図２中のカタログ照合処理の説明図である。
【図４】目標物の速力と確信度の関係の説明図である。
１０ 入力端子 １１ 特徴抽出手段 １２ 比較照合手段 １３ 記憶手段 １４ 確信度演算手段 １５ 目標選択手段 １６ 表示手段
Claims (1)
- 【特許請求の範囲】 【請求項１】 周波数情報から抽出された複数の狭帯域
信号の特徴情報に基づき、探知された前記狭帯域信号と
カタログの対応する狭帯域信号を選択してその両狭帯域
信号の比較照合を行い、 デンプスター・シェーファーの理論に基づき、仮説に対
する肯定及び不明の確信度を定義し、前記目標に対応づ
けられた複数の狭帯域信号の確信度の合成を行い目標の
自動類識別を行う目標自動類識別方法において、 目標物及び目標物の速力に対応した狭帯域信号を保持す
るカタログを有し、速力に応じて周波数が変化する目標
に対し、確信度の合成を行うことを特徴とする目標自動
類識別方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3165556A JPH0511037A (ja) | 1991-07-05 | 1991-07-05 | 目標自動類識別方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3165556A JPH0511037A (ja) | 1991-07-05 | 1991-07-05 | 目標自動類識別方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0511037A true JPH0511037A (ja) | 1993-01-19 |
Family
ID=15814610
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3165556A Pending JPH0511037A (ja) | 1991-07-05 | 1991-07-05 | 目標自動類識別方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0511037A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09159744A (ja) * | 1995-12-12 | 1997-06-20 | Tech Res & Dev Inst Of Japan Def Agency | 多目標信号自動分離方式 |
| JPH102961A (ja) * | 1996-06-14 | 1998-01-06 | Tech Res & Dev Inst Of Japan Def Agency | 目標自動類別識別装置 |
-
1991
- 1991-07-05 JP JP3165556A patent/JPH0511037A/ja active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09159744A (ja) * | 1995-12-12 | 1997-06-20 | Tech Res & Dev Inst Of Japan Def Agency | 多目標信号自動分離方式 |
| JPH102961A (ja) * | 1996-06-14 | 1998-01-06 | Tech Res & Dev Inst Of Japan Def Agency | 目標自動類別識別装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6128410A (en) | Pattern matching apparatus and method that considers distance and direction | |
| GB2402536A (en) | Face recognition | |
| JPH06309492A (ja) | 複数分類器出力合成方法及び合成システム | |
| CN110660078B (zh) | 对象追踪方法、装置、计算机设备和存储介质 | |
| JP2012190159A (ja) | 情報処理装置、情報処理方法及びプログラム | |
| WO2016179808A1 (en) | An apparatus and a method for face parts and face detection | |
| US11507780B2 (en) | Image analysis device, image analysis method, and image analysis program | |
| JP2022003526A (ja) | 情報処理装置、検出システム、情報処理方法、及びプログラム | |
| Juang et al. | A TS fuzzy system learned through a support vector machine in principal component space for real-time object detection | |
| WO2019167784A1 (ja) | 位置特定装置、位置特定方法及びコンピュータプログラム | |
| JPH02238588A (ja) | 文字認識装置 | |
| CN114187490B (zh) | 异常解释方法、异常解释装置、计算机装置及存储介质 | |
| Bayasi et al. | Continual-GEN: Continual group ensembling for domain-agnostic skin lesion classification | |
| JPH041313B2 (ja) | ||
| CN114419378B (zh) | 图像分类的方法、装置、电子设备及介质 | |
| CN109993178A (zh) | 一种特征数据生成和特征匹配方法及装置 | |
| JPH0511037A (ja) | 目標自動類識別方法 | |
| JP2693647B2 (ja) | 目標自動類別方法 | |
| JP7347750B2 (ja) | 照合装置、学習装置、方法、及びプログラム | |
| JP2840823B2 (ja) | 目標自動類別識別装置 | |
| JP6596044B2 (ja) | 対象認識装置 | |
| JP2953561B2 (ja) | 目標自動類識別方法 | |
| JP2983080B2 (ja) | 物体認識処理方法 | |
| US12468937B2 (en) | Device and method for training a classifier using an invertible factorization model | |
| US6002358A (en) | Method and apparatus for determining whether two radar tracks represent the same physical object |