作者：（意大利）LauroSnidaro（劳罗
页数：556
出版社：电子工业出版社
出版日期：2020
ISBN：9787121393013
电子书格式：pdf/epub/txt
内容简介
本书详细介绍了情境增强信息融合的基础推理、理论和方法，包括融合过程设计和实现中的情境影响，书中汇集了该领域很好专家的近期新研究成果。全书分六个部分：基本原理、用于融合的情境概念、情境融合的系统观念、情境的数学特征、硬/软融合中的情境以及情境方法在融合中的应用。本书强调不错别信息融合和低级别信息融合之间的平衡问题，以描述在苛刻条件下的性能改进；强调组合不同领域的优选技术，以克服单一视角、传统计算和传统上应用于特定领域数据和信息融合程序的局限性。很后，介绍了所选择的需要注入情景知识的有代表性的应用领域，例如，视觉系统，港口监视、机器人和环境智能等。
作者简介
Lauro Snidaro（劳罗?斯纳罗），意大利人，就职于意大利乌迪内大学数学和计算机科学系，教授，是信息融合、人工智能等领域的专家，多次担任国际信息融合大会荣誉主席，研究方向为数据融合、体系结构、态势感知、人工智能、机器学习等。发布有影响力的论文多篇，并担任IEEE、ICASSP、ITST、ICSPS等国际知名期刊编委。曾组织国际信息融合领域专家编撰Context-Enhanced Information Fusion，编者包括纽约州立大学的James Llinas 、美国空军研究实验室的Erik Blasch以及西班牙Carlos的Jesús García等国际知名专家，该书于2016年在Springer出版。熊伟，男，汉族，现为海军航空大学教授、海军航空大学信息融合研究所副所长，军队高层次科技创新人才工程拔尖人才、装备发展部指控专业组成员、中国航空学会信息融合分会总干事等，入选中国科协第九届全国代表、海军优秀青年、火力与指挥控制领域杰出青年科技工作者，获国防科技卓越青年科学基金、山东省青年科技奖等。主要研究方向为信息融合、指挥控制系统等，主持和参与973、国家自然基金等项目；获国家科技进步二等奖1项，省部级科技进步一等奖2项、二等奖3项、三等奖1项，发表论文40余篇，授权专利10余项，相关研究成果已推广应用于信息系统、雷达设备等研制中。
本书特色
书中深入讨论了人工智能技术与信息融合技术的有机结合，代表了信息技术领域最新的发展方向，有良好的应用前景。
目录
第一部分 基本原理
第1章 情境和融合：定义、术语 2
1．1 信息融合导论 2
1．1．1 数据（信息）融合的定义 3
1．1．2 信息融合“级别” 3
1．1．3 关于IF体系结构中数据和信息的备注 5
1．1．4 进一步的参考资料 6
1．2 融合中的情境 6
1．3 对信息融合和情境的展望 7
1．3．1 不同于焦点前提的情境前提 9
1．3．2 信息融合过程的含义 9
1．3．3 集成情境至信息融合过程 9
1．4 结论 13
致谢 13
参考文献 13
第二部分 用于融合的情境概念
第2章 信息融合的“情境”形式化 22
2．1 引言 22
2．2 何为情境？ 24
2．3 情境和知识 25
2．4 情境形式化 25
2．5 情境和信息质量 27
2．6 情境和自然语言理解 30
2．7 结论 32
参考文献 33
?
第3章 情境：一个不确定源 36
3．1 信息融合过程中的不确定性 36
3．2 关于情境信息中不确定性的文献研究 40
3．3 情境的分类 40
3．4 本体论的作用和概率本体论 42
3．5 情境信息质量 43
3．5．1 不确定性变换 44
3．5．2 相互矛盾的、可疑的和不一致的信息 45
3．6 用例讨论 46
3．6．1 港口防护威胁评估 46
3．6．2 情境因素和情境信息类别 46
3．6．3 关注的事件 48
3．6．4 情境的不确定性维数 48
3．7 结论 54
参考文献 54
第4章 信息融合中的情境跟踪方法 58
4．1 引言 58
4．2 情境跟踪方法的背景 60
4．3 情境跟踪 62
4．4 情境跟踪的机器分析 63
4．5 情境跟踪中的传感器、目标和环境 63
4．5．1 特征跟踪和辨识（目标） 64
4．5．2 广域运动图像（传感器） 64
4．5．3 态势和场景（环境） 65
4．6 受道路约束的跟踪和辨识示例 65
4．6．1 道路网络（环境） 65
4．6．2 目标测量模型（传感器） 67
4．6．3 十字路口的目标模型（目标） 67
4．6．4 情境跟踪示例――结果 68
4．7 讨论 69
4．8 结论 71
致谢 71
参考文献 71
第5章 威胁评估系统的情境假设 80
5．1 引言 80
5．2 威胁的定义 81
5．2．1 威胁评估 81
5．2．2 威胁评估的独特系统要求 82
5．3 决策支持系统的假设 83
5．4 基于情境的威胁实例 90
5．4．1 贝叶斯与证据推理的关联 91
5．4．2 比例冲突重新分配 91
5．5 从情境出发实现威胁估计 92
5．6 讨论 94
5．7 结论 94
致谢 95
参考文献 95
第6章 面向决策支持的情境感知知识融合 101
6．1 引言 101
6．2 知识融合：当前发展情况 102
6．3 面向应急管理的情境感知决策支持系统 103
6．3．1 决策支持模型 103
6．3．2 概念框架 104
6．3．3 火灾响应 107
6．3．4 CADSS中的知识融合 114
6．4 结论 116
致谢 116
参考文献 116
第三部分 情境融合的系统观念
第7章 情境信息的系统级使用 122
7．1 内容范围和组织 122
7．2 信息利用中的情境 123
7．2．1 “谁的情境”（Context-Of：C-O）与“为谁的情境”
（Context-For：C-F） 124
7．2．2 问题变量与情境变量 125
7．3 数据融合中的情境 127
7．4 情境利用中的质量控制 130
7．5 自适应情境利用 132
7．5．1 信息利用中的自适应性价值 132
7．5．2 推理问题与方法的分类 133
7．6 自适应组合建模 134
7．7 机会适应性 135
7．8 在预测建模中使用情境 138
7．9 结论 139
参考文献 140
第8章 信息融合中情境利用的体系结构 142
8．1 引言 142
8．2 情境知识与可获得资源的类型 143
8．3 与体系结构相关的工作 145
8．4 中间件方法 146
8．4．1 IF文献中的中间件 146
8．4．2 中间件方法：从IF到CI的查询服务 147
8．4．3 中间件函数及其在IF过程的使用要求 149
8．5 基于情境输入的多级别自适应体系结构 151
8．6 结论 154
致谢 154
参考文献 154
第9章 用于交换与验证情境数据和信息的中间件 156
9．1 情境在动态融合系统中的相关性 157
9．2 在开放式系统集系统设计中的交互计算过程 157
9．3 信息融合体系结构中的相互依赖关系 159
9．3．1 分析与决策的观点 159
9．3．2 网络的观点 161
9．3．3 对信息交换（中间件）的影响 163
9．4 利用中间件将数据至决策（D2D）概念应用于融合 163
9．5 中间件 166
9．6 主动中间件――ProWare 166
9．6．1 态势参数概念 167
9．6．2 基于订阅的信息交换 168
9．6．3 数据中介 169
9．7 数据验证 170
9．7．1 数据质量方面 171
9．7．2 数据验证操作 171
9．8 总结 173
参考文献 173
第10章 基于建模用户行为的情境感知主动决策支持 176
10．1 引言 177
10．2 概念性的操作示例 179
10．3 APTO系统 180
10．3．1 长期目标 180
10．3．2 技术方法 180
10．4 OZONE App的情境容器 181
10．5 情境感知记忆管理器 181
10．5．1 快照记忆 182
10．5．2 情节记忆 182
10．6 情境转换模型和转换识别 183
10．7 情境转换感知阶段和可视化 183
10．8 事件管理器 183
10．8．1 事件检测 184
10．8．2 规范性事件识别 184
10．9 活动管理器 184
10．9．1 动作检测 184
10．9．2 规范性动作集 185
10．9．3 Suadeo推荐引擎 185
10．10 工作流程管理器 185
10．10．1 特定领域的工作流程 186
10．10．2 采取的动作 186
10．11 HABIT：认证决策框架 186
10．11．1 相关工作 186
10．11．2 方法学 187
10．11．3 总结讨论 189
10．12 网络安全的情境意识动机 190
10．13 CEDARS：综合探索性数据分析推荐系统 191
10．13．1 介绍和相关工作 191
10．13．2 系统架构 192
10．13．3 用例 195
10．13．4 讨论和未来工作 196
10．14 A-TASC：监督控制中的自适应任务分配 196
10．14．1 A-TASC动机 196
10．14．2 A-TASC预测模型 197
10．14．3 方法论 198
10．14．4 未来的工作 199
10．15 结论 200
致谢 201
参考文献 201
?
第四部分 情境的数学特征
第11章 基于情境分析的目标跟踪融合过程监控 206
11．1 引言 206
11．2 情境信息定义 207
11．3 情境空间 207
11．3．1 情境变量 207
11．3．2 传感器概率或传感器有效性子集 210
11．3．3 传感器组的相容有效性概率 211
11．3．4 传感器组的排斥有效性概率 211
11．4 考虑情境的估计 212
11．4．1 静态估计 212
11．4．2 动态估计 215
11．5 仿真 219
11．5．1 仿真条件 219
11．5．2 结果 220
11．5．3 备注 221
11．6 结论 221
参考文献 222
第12章 用于目标跟踪的情境开发 223
12．1 引言 223
12．2 贝叶斯目标跟踪 224
12．2．1 系统方程 225
12．2．2 贝叶斯预测和滤波器更新 225
12．2．3 线性高斯系统 227
12．2．4 非线性系统 228
12．3 情境增强目标跟踪 229
12．3．1 引言 229
12．3．2 约束贝叶斯滤波 230
12．4 约束目标跟踪算法及其应用 232
12．4．1 通用滤波器 232
12．4．2 海上交通监控跟踪滤波器 233
12．4．3 用于地面目标跟踪的跟踪滤波器 238
12．5 数值结果 244
12．5．1 航路辅助跟踪 244
12．5．2 GMTI雷达改进地面目标跟踪 247
12．6 结论 250
参考文献 250
第13章 情境跟踪地面应用：算法和设计实例 255
13．1 引言 255
13．2 空中和地面跟踪比较 256
13．3 可通行性和地形特征 257
13．4 目标行为 258
13．5 量测信息源 259
13．6 通用目标跟踪算法 259
13．7 单目标跟踪 260
13．7．1 多模型算法 260
13．7．2 其他算法 266
13．8 多目标跟踪 268
13．8．1 常见问题和跟踪方法 268
13．8．2 多模型算法 268
13．8．3 对称测量方程滤波器 270
13．9 地面跟踪应用 272
13．9．1 通行能力 274
13．9．2 试验结果 277
13．10 海事跟踪应用 278
13．11 结论及未来工作 281
致谢 281
参考文献 282
第14章 文本分析的情境相关性和软信息融合增强 287
14．1 引言 287
14．2 命题图 288
14．3 与全局图合并 290
14．4 情境理论 291
14．5 使用扩散激活查找相关信息 291
14．5．1 一般扩散激活和命题图 291
14．6 评估扩散激活 294
14．6．1 方法 294
14．6．2 评估结果 297
14．6．3 讨论 297
14．7 结论 299
致谢 300
参考文献 300
?
第15章 多传感器组的情境学习和信息表示算法 303
15．1 引言 303
15．2 情境学习 305
15．2．1 情境的数学形式化 305
15．2．2 学习情境感知的测量模型 307
15．2．3 现场决策自适应中的情境感知 309
15．3 多模态信号的语义信息表示 310
15．3．1 概率有限状态自动机的结构 311
15．3．2 希尔伯特空间构建 312
15．3．3 交叉机扩展 313
15．3．4 PFSA特征提取：构造D-Markov机 314
15．4 实验和结果 315
15．4．1 实验场景和数据收集 315
15．4．2 数据预处理和特征提取 315
15．4．3 性能评估 316
15．5 结论 317
致谢 318
参考文献 318
第五部分 硬/软融合中的情境
第16章 动态及多层次融合的情境 322
16．1 引言 322
16．1．1 多传感器多线索融合 323
16．1．2 情境信息中的异质性 325
16．2 情境作为多层次融合的约束要素 326
16．3 情境和JDL第四层次 327
16．3．1 体系结构 328
16．3．2 滤波步骤 329
16．4 情境感知系统的设计指导 331
16．4．1 情境筛选 331
16．4．2 情境切换 333
16．5 讨论 334
16．5．1 先验知识、情境和适应性 334
16．5．2 情境异质性和信息融合层级 335
16．5．3 中间件 335
16．6 结论 335
参考文献 335
第17章 硬软信息的多级别情报融合 339
17．1 引言 339
17．2 背景 340
17．3 前期工作 344
17．4 多级别融合 344
17．4．1 一个示例场景 344
17．4．2 “多级别”不是“硬+软”融合 345
17．5 多级别融合中的情境使用 346
17．6 BML使能的融合 347
17．6．1 行动中的BML 348
17．6．2 表示BML中的不确定性 351
17．6．3 BML表征用于不确定性管理 352
17．6．4 多源BML信息的协调 355
17．7 结论 356
致谢 356
参考文献 356
第18章 基于情境的物理和人为数据级别5信息融合 360
18．1 引言 360
18．2 视频和文本分析 361
18．2．1 基于物理的传感――视频跟踪 362
18．2．2 基于人的传感――文本处理 362
18．3 人体数据融合的物理条件 363
18．3．1 基于效果的标签方法 363
18．3．2 基于查询的分析 364
18．3．3 视频和文本的分析描述 365
18．3．4 情境作为视频和文本的相关方法 366
18．4 L1跟踪框架 366
18．4．1 粒子滤波器 367
18．4．2 稀疏表示 367
18．4．3 处理遮挡和噪声的改进方法 368
18．4．4 最小误差界 368
18．5 物理和人为信息融合的例子 369
18．5．1 来自SYNCOIN的文本 370
18．5．2 视频分析 371
18．5．3 空间上的视频―文本关联 372
18．5．4 时间上的视频―文本关联 373
18．5．5 空间和时间上的视频―文本图形关联 373
18．6 讨论 376
18．7 结论 377
致谢 377
参考文献 377
第19章 基于查询视频流的情境理解 383
19．1 引言 383
19．1．1 情境数据 384
19．1．2 情境特征 385
19．1．3 情境场景 386
19．2 用于情境索引的多媒体数据表示 388
19．2．1 多媒体索引和检索 389
19．2．2 基于内容的图像检索 390
19．3 支持情境分析的数据库系统 391
19．4 用于情境分析的LVC-DMBS 394
19．4．1 LVC-DMBS数据模型 395
19．4．2 LVC-DMBS查询语言 397
19．4．3 情境评估 398
19．5 讨论 400
19．6 结论 403
致谢 403
参考文献 403
第六部分 情境方法在融合中的应用
第20章 公共安全多传感器系统中情境的作用 409
20．1 引言 409
20．2 安保――方法与初步措施 410
20．3 保险、法律情境与信息融合 412
20．4 公共安全与保障的概念和细节 413
20．5 公共安全系统的情境驱动设计 414
20．6 危险品定位的问题 415
20．7 HAMLeT――实验实例讨论 416
20．8 情境集成――设计所应遵守的法律 419
20．9 情境集成――适当的传感器模型 420
20．10 情境集成――人流量信息 423
20．10．1 规则模式集成 423
20．10．2 非规则模式检测 424
20．11 辅助系统与自主计算 424
20．12 结论 426
参考文献 426
第21章 基于情境的广域运动图像目标跟踪实体关联 430
21．1 前沿 431
21．1．1 空间情境 431
21．1．2 时间情境 432
21．2 实体估计的背景 433
21．3 多车辆跟踪 434
21．3．1 框架概述 434
21．3．2 时间情境 435
21．3．3 多目标关联 437
21．3．4 多帧关联 439
21．4 实现 439
21．4．1 配准 439
21．4．2 生成候选 440
21．4．3 候选的分类 440
21．5 实验 441
21．5．1 时间情境 441
21．5．2 一致性空间情境 445
21．6 结论 448
致谢 449
参考文献 449
第22章 地面目标跟踪应用军事和民用领域的设计实例 453
22．1 引言 453
22．2 相关应用：地面信息的表示和地面目标跟踪技术 454
22．3 地面目标跟踪 455
22．3．1 速度场生成 455
22．3．2 求解线性传递方程的计算方法 457
22．3．3 数值例 461
22．4 机场地面示例 462
22．4．1 机场布局表示 463
22．4．2 数据融合解决方案 464
22．4．3 结论 468
22．5 结论 472
致谢 472
参考文献 473
第23章 计算机视觉系统中基于情境的态势识别 476
23．1 引言 476
23．2 情境管理的知识模型 477
23．3 基于视觉行为识别中的情境 478
23．3．1 低层融合中的情境 479
23．3．2 高层融合中的情境 481
23．4 基于情境的行动识别示例 483
23．4．1 视频注释 483
23．4．2 用情境推理提高跟踪器的准确性 484
23．4．3 环境智能中的场景解释 488
23．5 结论 492
致谢 492
参考文献 493
第24章 情境信息增强数据融合在道路安全中的应用 496
24．1 引言 497
24．2 智能交通系统中的数据融合 497
24．3 总体描述 498
24．3．1 激光扫描仪行人检测 500
24．3．2 基于光学传感器的障碍物检测与分类 501
24．4 融合系统 502
24．4．1 估计滤波器 502
24．4．2 JPDA数据关联 503
24．4．3 航迹管理 504
24．5 用于基于危险估计的行人检测的环境CI 504
24．5．1 基于探测区域的危险估计 505
24．5．2 行人检测与危险估计 506
24．6 实验与对比 508
24．6．1 实验 508
24．6．2 算法对比 510
24．7 结论 511
致谢 511
参考文献 512
第25章 机器人与信息融合中的情境 514
25．1 引言 514
25．2 机器人中的情境 515
25．2．1 情境信息 515
25．2．2 情境表示 518
25．2．3 讨论 520
25．3 信息融合应用的情境感知框架 522
25．3．1 框架设计 522
25．3．2 框架方案 522
25．4 基于情境的信息融合体系结构实例 524
25．4．1 应用场景：智能车辆上的自适应巡航控制系统 524
25．4．2 问题定义 525
25．4．3 情境的分类法 525
25．4．4 情境信息融合 526
25．4．5 遵循JDL观点的信息融合管道 526
25．5 结论 529
致谢 529
参考文献 529
第1章 情境和融合：定义、术语 2
1．1 信息融合导论 2
1．1．1 数据（信息）融合的定义 3
1．1．2 信息融合“级别” 3
1．1．3 关于IF体系结构中数据和信息的备注 5
1．1．4 进一步的参考资料 6
1．2 融合中的情境 6
1．3 对信息融合和情境的展望 7
1．3．1 不同于焦点前提的情境前提 9
1．3．2 信息融合过程的含义 9
1．3．3 集成情境至信息融合过程 9
1．4 结论 13
致谢 13
参考文献 13
第二部分 用于融合的情境概念
第2章 信息融合的“情境”形式化 22
2．1 引言 22
2．2 何为情境？ 24
2．3 情境和知识 25
2．4 情境形式化 25
2．5 情境和信息质量 27
2．6 情境和自然语言理解 30
2．7 结论 32
参考文献 33
?
第3章 情境：一个不确定源 36
3．1 信息融合过程中的不确定性 36
3．2 关于情境信息中不确定性的文献研究 40
3．3 情境的分类 40
3．4 本体论的作用和概率本体论 42
3．5 情境信息质量 43
3．5．1 不确定性变换 44
3．5．2 相互矛盾的、可疑的和不一致的信息 45
3．6 用例讨论 46
3．6．1 港口防护威胁评估 46
3．6．2 情境因素和情境信息类别 46
3．6．3 关注的事件 48
3．6．4 情境的不确定性维数 48
3．7 结论 54
参考文献 54
第4章 信息融合中的情境跟踪方法 58
4．1 引言 58
4．2 情境跟踪方法的背景 60
4．3 情境跟踪 62
4．4 情境跟踪的机器分析 63
4．5 情境跟踪中的传感器、目标和环境 63
4．5．1 特征跟踪和辨识（目标） 64
4．5．2 广域运动图像（传感器） 64
4．5．3 态势和场景（环境） 65
4．6 受道路约束的跟踪和辨识示例 65
4．6．1 道路网络（环境） 65
4．6．2 目标测量模型（传感器） 67
4．6．3 十字路口的目标模型（目标） 67
4．6．4 情境跟踪示例――结果 68
4．7 讨论 69
4．8 结论 71
致谢 71
参考文献 71
第5章 威胁评估系统的情境假设 80
5．1 引言 80
5．2 威胁的定义 81
5．2．1 威胁评估 81
5．2．2 威胁评估的独特系统要求 82
5．3 决策支持系统的假设 83
5．4 基于情境的威胁实例 90
5．4．1 贝叶斯与证据推理的关联 91
5．4．2 比例冲突重新分配 91
5．5 从情境出发实现威胁估计 92
5．6 讨论 94
5．7 结论 94
致谢 95
参考文献 95
第6章 面向决策支持的情境感知知识融合 101
6．1 引言 101
6．2 知识融合：当前发展情况 102
6．3 面向应急管理的情境感知决策支持系统 103
6．3．1 决策支持模型 103
6．3．2 概念框架 104
6．3．3 火灾响应 107
6．3．4 CADSS中的知识融合 114
6．4 结论 116
致谢 116
参考文献 116
第三部分 情境融合的系统观念
第7章 情境信息的系统级使用 122
7．1 内容范围和组织 122
7．2 信息利用中的情境 123
7．2．1 “谁的情境”（Context-Of：C-O）与“为谁的情境”
（Context-For：C-F） 124
7．2．2 问题变量与情境变量 125
7．3 数据融合中的情境 127
7．4 情境利用中的质量控制 130
7．5 自适应情境利用 132
7．5．1 信息利用中的自适应性价值 132
7．5．2 推理问题与方法的分类 133
7．6 自适应组合建模 134
7．7 机会适应性 135
7．8 在预测建模中使用情境 138
7．9 结论 139
参考文献 140
第8章 信息融合中情境利用的体系结构 142
8．1 引言 142
8．2 情境知识与可获得资源的类型 143
8．3 与体系结构相关的工作 145
8．4 中间件方法 146
8．4．1 IF文献中的中间件 146
8．4．2 中间件方法：从IF到CI的查询服务 147
8．4．3 中间件函数及其在IF过程的使用要求 149
8．5 基于情境输入的多级别自适应体系结构 151
8．6 结论 154
致谢 154
参考文献 154
第9章 用于交换与验证情境数据和信息的中间件 156
9．1 情境在动态融合系统中的相关性 157
9．2 在开放式系统集系统设计中的交互计算过程 157
9．3 信息融合体系结构中的相互依赖关系 159
9．3．1 分析与决策的观点 159
9．3．2 网络的观点 161
9．3．3 对信息交换（中间件）的影响 163
9．4 利用中间件将数据至决策（D2D）概念应用于融合 163
9．5 中间件 166
9．6 主动中间件――ProWare 166
9．6．1 态势参数概念 167
9．6．2 基于订阅的信息交换 168
9．6．3 数据中介 169
9．7 数据验证 170
9．7．1 数据质量方面 171
9．7．2 数据验证操作 171
9．8 总结 173
参考文献 173
第10章 基于建模用户行为的情境感知主动决策支持 176
10．1 引言 177
10．2 概念性的操作示例 179
10．3 APTO系统 180
10．3．1 长期目标 180
10．3．2 技术方法 180
10．4 OZONE App的情境容器 181
10．5 情境感知记忆管理器 181
10．5．1 快照记忆 182
10．5．2 情节记忆 182
10．6 情境转换模型和转换识别 183
10．7 情境转换感知阶段和可视化 183
10．8 事件管理器 183
10．8．1 事件检测 184
10．8．2 规范性事件识别 184
10．9 活动管理器 184
10．9．1 动作检测 184
10．9．2 规范性动作集 185
10．9．3 Suadeo推荐引擎 185
10．10 工作流程管理器 185
10．10．1 特定领域的工作流程 186
10．10．2 采取的动作 186
10．11 HABIT：认证决策框架 186
10．11．1 相关工作 186
10．11．2 方法学 187
10．11．3 总结讨论 189
10．12 网络安全的情境意识动机 190
10．13 CEDARS：综合探索性数据分析推荐系统 191
10．13．1 介绍和相关工作 191
10．13．2 系统架构 192
10．13．3 用例 195
10．13．4 讨论和未来工作 196
10．14 A-TASC：监督控制中的自适应任务分配 196
10．14．1 A-TASC动机 196
10．14．2 A-TASC预测模型 197
10．14．3 方法论 198
10．14．4 未来的工作 199
10．15 结论 200
致谢 201
参考文献 201
?
第四部分 情境的数学特征
第11章 基于情境分析的目标跟踪融合过程监控 206
11．1 引言 206
11．2 情境信息定义 207
11．3 情境空间 207
11．3．1 情境变量 207
11．3．2 传感器概率或传感器有效性子集 210
11．3．3 传感器组的相容有效性概率 211
11．3．4 传感器组的排斥有效性概率 211
11．4 考虑情境的估计 212
11．4．1 静态估计 212
11．4．2 动态估计 215
11．5 仿真 219
11．5．1 仿真条件 219
11．5．2 结果 220
11．5．3 备注 221
11．6 结论 221
参考文献 222
第12章 用于目标跟踪的情境开发 223
12．1 引言 223
12．2 贝叶斯目标跟踪 224
12．2．1 系统方程 225
12．2．2 贝叶斯预测和滤波器更新 225
12．2．3 线性高斯系统 227
12．2．4 非线性系统 228
12．3 情境增强目标跟踪 229
12．3．1 引言 229
12．3．2 约束贝叶斯滤波 230
12．4 约束目标跟踪算法及其应用 232
12．4．1 通用滤波器 232
12．4．2 海上交通监控跟踪滤波器 233
12．4．3 用于地面目标跟踪的跟踪滤波器 238
12．5 数值结果 244
12．5．1 航路辅助跟踪 244
12．5．2 GMTI雷达改进地面目标跟踪 247
12．6 结论 250
参考文献 250
第13章 情境跟踪地面应用：算法和设计实例 255
13．1 引言 255
13．2 空中和地面跟踪比较 256
13．3 可通行性和地形特征 257
13．4 目标行为 258
13．5 量测信息源 259
13．6 通用目标跟踪算法 259
13．7 单目标跟踪 260
13．7．1 多模型算法 260
13．7．2 其他算法 266
13．8 多目标跟踪 268
13．8．1 常见问题和跟踪方法 268
13．8．2 多模型算法 268
13．8．3 对称测量方程滤波器 270
13．9 地面跟踪应用 272
13．9．1 通行能力 274
13．9．2 试验结果 277
13．10 海事跟踪应用 278
13．11 结论及未来工作 281
致谢 281
参考文献 282
第14章 文本分析的情境相关性和软信息融合增强 287
14．1 引言 287
14．2 命题图 288
14．3 与全局图合并 290
14．4 情境理论 291
14．5 使用扩散激活查找相关信息 291
14．5．1 一般扩散激活和命题图 291
14．6 评估扩散激活 294
14．6．1 方法 294
14．6．2 评估结果 297
14．6．3 讨论 297
14．7 结论 299
致谢 300
参考文献 300
?
第15章 多传感器组的情境学习和信息表示算法 303
15．1 引言 303
15．2 情境学习 305
15．2．1 情境的数学形式化 305
15．2．2 学习情境感知的测量模型 307
15．2．3 现场决策自适应中的情境感知 309
15．3 多模态信号的语义信息表示 310
15．3．1 概率有限状态自动机的结构 311
15．3．2 希尔伯特空间构建 312
15．3．3 交叉机扩展 313
15．3．4 PFSA特征提取：构造D-Markov机 314
15．4 实验和结果 315
15．4．1 实验场景和数据收集 315
15．4．2 数据预处理和特征提取 315
15．4．3 性能评估 316
15．5 结论 317
致谢 318
参考文献 318
第五部分 硬/软融合中的情境
第16章 动态及多层次融合的情境 322
16．1 引言 322
16．1．1 多传感器多线索融合 323
16．1．2 情境信息中的异质性 325
16．2 情境作为多层次融合的约束要素 326
16．3 情境和JDL第四层次 327
16．3．1 体系结构 328
16．3．2 滤波步骤 329
16．4 情境感知系统的设计指导 331
16．4．1 情境筛选 331
16．4．2 情境切换 333
16．5 讨论 334
16．5．1 先验知识、情境和适应性 334
16．5．2 情境异质性和信息融合层级 335
16．5．3 中间件 335
16．6 结论 335
参考文献 335
第17章 硬软信息的多级别情报融合 339
17．1 引言 339
17．2 背景 340
17．3 前期工作 344
17．4 多级别融合 344
17．4．1 一个示例场景 344
17．4．2 “多级别”不是“硬+软”融合 345
17．5 多级别融合中的情境使用 346
17．6 BML使能的融合 347
17．6．1 行动中的BML 348
17．6．2 表示BML中的不确定性 351
17．6．3 BML表征用于不确定性管理 352
17．6．4 多源BML信息的协调 355
17．7 结论 356
致谢 356
参考文献 356
第18章 基于情境的物理和人为数据级别5信息融合 360
18．1 引言 360
18．2 视频和文本分析 361
18．2．1 基于物理的传感――视频跟踪 362
18．2．2 基于人的传感――文本处理 362
18．3 人体数据融合的物理条件 363
18．3．1 基于效果的标签方法 363
18．3．2 基于查询的分析 364
18．3．3 视频和文本的分析描述 365
18．3．4 情境作为视频和文本的相关方法 366
18．4 L1跟踪框架 366
18．4．1 粒子滤波器 367
18．4．2 稀疏表示 367
18．4．3 处理遮挡和噪声的改进方法 368
18．4．4 最小误差界 368
18．5 物理和人为信息融合的例子 369
18．5．1 来自SYNCOIN的文本 370
18．5．2 视频分析 371
18．5．3 空间上的视频―文本关联 372
18．5．4 时间上的视频―文本关联 373
18．5．5 空间和时间上的视频―文本图形关联 373
18．6 讨论 376
18．7 结论 377
致谢 377
参考文献 377
第19章 基于查询视频流的情境理解 383
19．1 引言 383
19．1．1 情境数据 384
19．1．2 情境特征 385
19．1．3 情境场景 386
19．2 用于情境索引的多媒体数据表示 388
19．2．1 多媒体索引和检索 389
19．2．2 基于内容的图像检索 390
19．3 支持情境分析的数据库系统 391
19．4 用于情境分析的LVC-DMBS 394
19．4．1 LVC-DMBS数据模型 395
19．4．2 LVC-DMBS查询语言 397
19．4．3 情境评估 398
19．5 讨论 400
19．6 结论 403
致谢 403
参考文献 403
第六部分 情境方法在融合中的应用
第20章 公共安全多传感器系统中情境的作用 409
20．1 引言 409
20．2 安保――方法与初步措施 410
20．3 保险、法律情境与信息融合 412
20．4 公共安全与保障的概念和细节 413
20．5 公共安全系统的情境驱动设计 414
20．6 危险品定位的问题 415
20．7 HAMLeT――实验实例讨论 416
20．8 情境集成――设计所应遵守的法律 419
20．9 情境集成――适当的传感器模型 420
20．10 情境集成――人流量信息 423
20．10．1 规则模式集成 423
20．10．2 非规则模式检测 424
20．11 辅助系统与自主计算 424
20．12 结论 426
参考文献 426
第21章 基于情境的广域运动图像目标跟踪实体关联 430
21．1 前沿 431
21．1．1 空间情境 431
21．1．2 时间情境 432
21．2 实体估计的背景 433
21．3 多车辆跟踪 434
21．3．1 框架概述 434
21．3．2 时间情境 435
21．3．3 多目标关联 437
21．3．4 多帧关联 439
21．4 实现 439
21．4．1 配准 439
21．4．2 生成候选 440
21．4．3 候选的分类 440
21．5 实验 441
21．5．1 时间情境 441
21．5．2 一致性空间情境 445
21．6 结论 448
致谢 449
参考文献 449
第22章 地面目标跟踪应用军事和民用领域的设计实例 453
22．1 引言 453
22．2 相关应用：地面信息的表示和地面目标跟踪技术 454
22．3 地面目标跟踪 455
22．3．1 速度场生成 455
22．3．2 求解线性传递方程的计算方法 457
22．3．3 数值例 461
22．4 机场地面示例 462
22．4．1 机场布局表示 463
22．4．2 数据融合解决方案 464
22．4．3 结论 468
22．5 结论 472
致谢 472
参考文献 473
第23章 计算机视觉系统中基于情境的态势识别 476
23．1 引言 476
23．2 情境管理的知识模型 477
23．3 基于视觉行为识别中的情境 478
23．3．1 低层融合中的情境 479
23．3．2 高层融合中的情境 481
23．4 基于情境的行动识别示例 483
23．4．1 视频注释 483
23．4．2 用情境推理提高跟踪器的准确性 484
23．4．3 环境智能中的场景解释 488
23．5 结论 492
致谢 492
参考文献 493
第24章 情境信息增强数据融合在道路安全中的应用 496
24．1 引言 497
24．2 智能交通系统中的数据融合 497
24．3 总体描述 498
24．3．1 激光扫描仪行人检测 500
24．3．2 基于光学传感器的障碍物检测与分类 501
24．4 融合系统 502
24．4．1 估计滤波器 502
24．4．2 JPDA数据关联 503
24．4．3 航迹管理 504
24．5 用于基于危险估计的行人检测的环境CI 504
24．5．1 基于探测区域的危险估计 505
24．5．2 行人检测与危险估计 506
24．6 实验与对比 508
24．6．1 实验 508
24．6．2 算法对比 510
24．7 结论 511
致谢 511
参考文献 512
第25章 机器人与信息融合中的情境 514
25．1 引言 514
25．2 机器人中的情境 515
25．2．1 情境信息 515
25．2．2 情境表示 518
25．2．3 讨论 520
25．3 信息融合应用的情境感知框架 522
25．3．1 框架设计 522
25．3．2 框架方案 522
25．4 基于情境的信息融合体系结构实例 524
25．4．1 应用场景：智能车辆上的自适应巡航控制系统 524
25．4．2 问题定义 525
25．4．3 情境的分类法 525
25．4．4 情境信息融合 526
25．4．5 遵循JDL观点的信息融合管道 526
25．5 结论 529
致谢 529
参考文献 529
