针对传统的目标跟踪无迹卡尔曼滤波(UKF)滤波算法中,多传感器信息融合的前提是所有的传感器观测信息及维数相同,不适用于由多异类传感器组成的观测系统,提出一种改进的UKF滤波算法,以多异类传感器观测量扩展融合后的融合信息为新观测量建立混合坐标系下的非线性测量方程。通过仿真验证,提出的算法可以有效降低目标定位误差。 针对现有的视频监控技术对关键设施的监控实时性低,以及在夜晚实施监控时效果差的问题,提出基于深度传感器的关键设施监控技术,并通过支持向量机(SVM)算法对其可行性进行验证。利用不同人体的骨架长度存在差异的特性,采用深度传感器作为数据采集端,瞬时采集人体的8个骨架长度作为特征值,作为人体骨架信息,由于深度传感器以红外结构光检测为核心,故在夜晚也可无损地采集数据。基于SVM进行分类器的设计,得到最佳人体识别算法。实验表明:所提模型及算法的识别成功率可以达到80%以上本文由公司网站网站 转载中国知网整理!   http://www.dapenggunhuji.com/,具有较好的识别效果,故基于深度传感器的监控技术可以为关键设施监控提供一种新思路。基于深度传感器的监控技术与算法向量机(算法对其进行验证，识别成功率可以达到80%，表明此方法可以作为一种关键设施监控的新思路。1基于深度传感器-电动折弯机数控滚圆机滚弧机张家港电动液压滚圆机滚弧机折弯机人体骨架特征提取深度传感器获得的人体骨架示意如图1所示。右手头右手腕右胳膊肘右肩肩膀中心x7x4x3x1脊柱x2x5左髋左肩左手左手腕左胳膊肘臀部中心右髋右膝左膝x8x6右脚左脚右踝左踝图1人体骨架示意取图中人体骨架的8个部位的长度值(以变量x1～x8表示)作为人体特征值。8}。2建立数学模型1)准备训练样本X{(中X为特征向量;d为不同特征向量对应的标签，取值为±1。设样本X中有N组数据，每组数据有D(D=8)个特征值。2)取核函数K(X，Xp)本文选择高斯径向基核函数(RBF)，其得到矩阵得拉格朗日目标函数Q(α)=∑Pp=1αp－12∑Pp=1∑Pj=1 基于深度传感器-电动折弯机数控滚圆机滚弧机张家港电动液压滚圆机滚弧机折弯机本文由公司网站网站 转载中国知网整理!   http://www.dapenggunhuji.com/