EP2399226A1 - Verfahren zur klassifizierung eines objekts - Google Patents

Verfahren zur klassifizierung eines objekts

Info

Publication number
EP2399226A1
EP2399226A1 EP10722291A EP10722291A EP2399226A1 EP 2399226 A1 EP2399226 A1 EP 2399226A1 EP 10722291 A EP10722291 A EP 10722291A EP 10722291 A EP10722291 A EP 10722291A EP 2399226 A1 EP2399226 A1 EP 2399226A1
Authority
EP
European Patent Office
Prior art keywords
assigned
class
vector
derived
source
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.)
Ceased
Application number
EP10722291A
Other languages
English (en)
French (fr)
Inventor
Manfred Hiebl
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Airbus Defence and Space GmbH
Original Assignee
EADS Deutschland GmbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by EADS Deutschland GmbH filed Critical EADS Deutschland GmbH
Publication of EP2399226A1 publication Critical patent/EP2399226A1/de
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
    • G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition

Definitions

  • the invention is based on a method according to the features of the preamble of patent claim 1.
  • an object is defined as an output signal of a detector, for example an acoustic or optical detector or a radar detector, or a combination of such detectors, exceeding a predefinable threshold value.
  • the method disclosed in DE 197 31 111 B4 is based on the use of so-called indicators. These are largely independent of the output signals of the physical detectors used.
  • An indicator is an abstract term for a predefinable property and / or a specifiable behavior of an actual object, for example an aircraft or a ship, which is detected as an object by at least one matched detector, for example a radar system.
  • An indicator is therefore an abstract term for a specifiable qualitative and quantitative information relevant to identification.
  • Each indicator is then assigned a bias corresponding to the base identity of the indicator.
  • the indicators are then represented as vectors in a multi-dimensional vector space.
  • the identification of objects is very compute-intensive with this method, since there is a multidimensional vector space.
  • the object of the invention is to provide a generic method, which in contrast to the prior art is less computationally intensive and thus faster executable.
  • a number of different physical features are derived for the object from the output of the one or more detectors.
  • the object is assigned on the basis of the derived physical characteristics of at least one of N predetermined base classes.
  • the N base classes are arranged in a predetermined order to form an N-dimensional vector V which is assigned to the object.
  • the elements V 1 ,..., V N of the vector V indicate the membership of the object to the respective base class.
  • the object is subsequently identified by assigning the object to a derived class as a function of the vector V, the derived class being stored in and removed from a reference database.
  • one object is limited to several, e.g. 8-12 of its physical properties.
  • an object is defined as a simply connected area that has defined physical properties that uniquely distinguish it from other objects. These physical properties may e.g. the edge properties,
  • the object is divided into a number N of predetermined base classes.
  • An object can be assigned to one or more base classes. Examples of basic classes which can be used are the class of radar sources, the class of transmission sources, the class of heat sources, the class of objects with a radar backscatter cross section, the Class of objects that cause a Doppler effect, the class of light-emitting objects, the class of spectral objects, the class of sound sources, or the class of contour targets. Of course, the invention can also be extended to other base classes.
  • the N base classes are arranged in a predetermined order to form an N-dimensional vector V.
  • the elements of the vector V are V 1 , ..., VN.
  • Each vector element V 1 ,..., VN is thus assigned a base class in a fixed sequence.
  • the individual elements V 1 ,..., V N of the vector V thus provide information as to whether the respective object belongs to the corresponding base class or not.
  • the vector element V 1 depending on the membership of the object to the corresponding base class the vector element V 1 , ... ⁇ the binary value 1 or 0 is assigned.
  • the binary value 1 is assigned to a vector element V 1 ,..., VN when the object belongs to the base class assigned to the respective vector element V 1 ,..., VN.
  • Each object is thus assigned by the vector elements V 1 ,..., V N of the vector V a code typical for the respective destination. Using this code, the object can be assigned to a derived class. By comparing the vector V and thus the code with corresponding entries in a reference database, the object can be uniquely identified.
  • Broadcasters are defined as derived classes.
  • the following table shows examples of the vector V entries for different base classes and derived classes: - A -
  • Air defense systems are considered in the above example as a sound source, since it can lead to a noise development in outgoing missiles. However, it is also possible to allow air defense systems to have 0 at sound source when considering the status of the anti-aircraft system. 1 in anti-aircraft system in operation, i. Rocket is fired and 0 at stand-by mode.
  • Broadcasters are characterized in the preceding as a color source, since broadcasters usually have color-designed antenna masts.
  • the masts have a characteristic contour, e.g. Obelisk or parabolic shape.
  • the table above shows that the binary sequences of the individual derived classes formed by the base classes differ. For example, it is excluded that, for example, the binary sequence of a car is identical to the binary sequence of a radio station.
  • objects can be detected on the basis of the presence or absence of features.
  • the method according to the invention With the method according to the invention, several physical features of found and searched object are analyzed and compared.
  • the statement security depends on the number of features examined. If an object can not be excluded from the analyzed features as a sought-after object of a base class or a derived class, then it is very unlikely that another object coincidentally carries the same combination of features and is also considered a sought-after object. In other words, if an object is classified as a car by its characteristics, then it is highly unlikely that a building will have the same combination of features.
  • Another advantage of the invention is that the result essentially depends on a sequence of logical zeros and ones. This considerably reduces the amount of data to be evaluated.
  • the inventive method is particularly suitable for flying in unmanned unmanned autonomous systems.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur Identifizierung und Klassifizierung eines Objekts, wobei - ein Gegenstand von mindestens einem auf diesen abgestimmten physikalischen Detektor erfasst wird - aus dem Ausgangssignal des mindestens einen Detektors sowie einer Auswerteeinrichtung mindestens ein Objekt ermittelt wird, - das Objekt identifiziert und/oder klassifiziert wird anhand von vorgebbaren Eigenschaften aus dem Ausgangssignal, - für das Objekt eine Anzahl von unterschiedlichen physikalischen Merkmalen aus dem Ausgangssignal abgeleitet werden, dadurch gekennzeichnet, dass - das Objekt anhand der abgeleiteten physikalischen Merkmale mindestens einer von N vorgegebenen Basisklassen zugeordnet wird, - die N Basisklassen in einer vorgegebenen Reihenfolge zu einem N-dimensionalen Vektor V angeordnet werden, welcher dem Objekt zugeordnet wird, wobei die Elemente V1,...,VN des Vektors V die Zugehörigkeit des Objekts zu der jeweiligen Basisklasse angeben, - in Abhängigkeit des Vektors V das Objekt einer abgeleiteten Klasse zugeordnet wird, welche einer Referenzdatenbank entnommen wird.

Description

Verfahren zur Identifizierung und Klassifizierung eines Objekts
Die Erfindung geht aus von einem Verfahren gemäß den Merkmalen des Oberbegriffs des Patentanspruchs 1.
Im Rahmen dieser Patentanmeldung wird ein Objekt definiert als ein einen vorgebbaren Schwellwert überschreitendes Ausgangssignal eines Detektors, beispielsweise eines akustischen oder optischen Detektors oder eines Radardetektors (Radaranlage) oder einer Kombination aus solchen Detektoren.
Aus DE 197 31 111 B4 ist ein gattungsgemäßes Verfahren zur Identifizierung und Klassifizierung eines Objekts bekannt, bei welchem das Objekt identifiziert und/oder klassifiziert wird anhand von vorgebbaren Eigenschaften aus dem Ausgangssignal sowie einer vektoriell arbeitenden Anordnung.
Das in DE 197 31 111 B4 offenbarte Verfahren beruht auf der Verwendung sogenannter Indikatoren. Diese sind weitgehend unabhängig von den Ausgangssignalen der verwendeten physikalischen Detektoren. Ein Indikator ist ein abstrakter Begriff für eine vorgebbare Eigenschaft und/oder ein vorgebbares Verhalten eines tatsächlichen Gegenstandes, beispielsweise eines Flugzeuges oder eines Schiffes, der von mindestens einem darauf abgestimmten Detektor, beispielsweise einer Radaranlage, als Objekt erfasst wird. Ein Indikator ist also ein abstrakter Begriff für eine vorgebbare qualitative und quantitative identifizierungsrelevante Information. Jedem Indikator wird anschließend eine Tendenz zugeordnet, welche der Basis-Identität des Indikators entspricht. Die Indikatoren werden anschließend als Vektoren in einem mehrdimensionalen Vektorraum dargestellt.
Die Identifizierung von Objekten ist mit diesem Verfahren sehr rechenintensiv, da ein mehrdimensionaler Vektorraum vorliegt. Aufgabe der Erfindung ist es, ein gattungsgemäßes Verfahren anzugeben, welches im Gegensatz zum Stand der Technik weniger rechenintensiv und somit schneller ausführbar ist.
Diese Aufgabe wird gelöst durch die im Patentanspruch 1 angegebenen Verfahrensschritte. Vorteilhafte Ausführungen des Verfahrens sind in den Unteransprüchen angegeben.
Gemäß der Erfindung werden für das Objekt eine Anzahl von unterschiedlichen physikalischen Merkmalen aus dem Ausgangssignal der ein oder mehreren Detektoren abgeleitet. Anschließend wird das Objekt anhand der abgeleiteten physikalischen Merkmale mindestens einer von N vorgegebenen Basisklassen zugeordnet. Die N Basisklassen werden in einer vorgegebenen Reihenfolge zu einem N-dimensionalen Vektor V angeordnet, welcher dem Objekt zugeordnet wird. Die Elemente V1,... ,vN des Vektors V geben dabei die Zugehörigkeit des Objekts zu der jeweiligen Basisklasse an. Die Identifizierung des Objekts erfolgt anschließend dadurch, dass in Abhängigkeit des Vektors V das Objekt einer abgeleiteten Klasse zugeordnet wird, wobei die abgeleitete Klasse in einer Referenzdatenbank hinterlegt und aus dieser entnommen wird.
Es ist ersichtlich, dass ein Objekt auf mehrere, z.B. 8-12 seiner physikalischen Eigenschaften hin untersucht wird. Grundsätzlich wird ein Objekt definiert als ein einfach zusammenhängendes Gebiet, welches definierte physikalische Eigenschaften aufweist, die es eindeutig von anderen Objekten unterscheiden. Diese physikalischen Eigenschaften können z.B. die Randeigenschaften,
Oberflächenbeschaffenheit, Grenzflächen oder Ausdehnung des Objekts sein.
Anhand der untersuchten und ermittelten physikalischen Eigenschaften wird das Objekt in eine Anzahl N vorgegebener Basisklassen eingeteilt. Ein Objekt kann dabei einer oder mehreren Basisklassen zugeteilt werden. Als Basisklassen können z.B. die Klasse der Radarquellen, die Klasse der Sendequellen, die Klasse der Wärmequellen, die Klasse der Objekte mit einem Radarrückstreuquerschnitt, die Klasse der Objekte, die einen Dopplereffekt verursachen, die Klasse der lichtemittierenden Objekte, die Klasse der Spektralobjekte, die Klasse der Schallquellen oder die Klasse der Konturziele. Selbstverständlich kann die Erfindung auch um weitere Basisklassen erweitert werden.
Für jedes Objekt werden die N Basisklassen in einer vorgegebenen Reihenfolge zu einem N-dimensionalen Vektor V angeordnet. Die Elemente des Vektors V sind V1,... ,VN. Jedem Vektorelement V1,... , VN wird somit in einer fest vorgegebenen Reihenfolge jeweils eine Basisklasse zugeordnet. Die einzelnen Elemente V1 , ... ,vN des Vektors V geben somit Auskunft darüber, ob das jeweilige Objekt der entsprechenden Basisklasse angehört oder nicht.
In einer vorteilhaften Ausführung der Erfindung wird je nach Zugehörigkeit des Objekts zu der entsprechenden Basisklasse dem Vektorelement V1,... ^ der binäre Wert 1 oder 0 zugewiesen wird. Der binäre Wert 1 wird dabei einem Vektorelement V1, ... ,VN dann zugewiesen, wenn das Objekt der dem jeweiligen Vektorelement V1,... , VN zugeordneten Basisklasse angehört.
Jedem Objekt wird somit durch die Vektorelemente V1,... , vN des Vektors V ein für das jeweilige Ziel typischer Code zugewiesen. Mittels diesen Codes kann das Objekt einer abgeleiteten Klasse zugeordnet werden. Durch Vergleichen des Vektors V und damit des Codes mit entsprechenden Einträgen in einer Referenzdatenbank kann das Objekt eindeutig identifiziert werden.
Zweckmäßig können z.B. "Pkw", "Flugabwehrsysteme", "Kraftwerk",
"Rundfunksender" als abgeleitete Klassen definiert werden. Folgende Tabelle zeigt beispielhaft die Einträge des Vektors V für verschiedene Basisklassen und abgeleiteten Klassen: - A -
Die Angaben in der vorstehenden Tabelle sind lediglich exemplarisch und bilden keine abgeschlossene Menge zu identifizierender Ziele. Flugabwehrsysteme werden im vorstehenden Beispiel als Schallquelle gewertet, da es zu einer Lärmentwicklung bei abgehenden Raketen kommen kann. Es ist aber auch möglich, bei Flugabwehrsystemen auch eine 0 bei Schallquelle zuzulassen, wenn der Status des Flugabwehrsystems betrachtet wird. 1 bei Flugabwehrsystem in Betrieb, d.h. Rakete wird abgefeuert und 0 bei Stand-By Modus.
Rundfunksender werden in der vorstehenden als Farbquelle gekennzeichnet, da Rundfunksender üblicherweise farblich gestaltete Antennenmasten aufweisen. Zudem weisen die Masten eine charakteristische Kontur auf, z.B. Obelisken- oder Parabelform.
Die vorstehende Tabelle zeigt, dass sich die durch die Basisklassen gebildete Binärfolge der einzelnen abgeleiteten Klassen unterscheiden. So ist es z.B. ausgeschlossen, dass z.B. die Binärfolge eines Pkw identisch ist mit der Binärfolge eines Rundfunksenders. Mit dem erfindungsgemäßen Verfahren können Objekte anhand des Vor- oder Nichtvorliegens von Merkmalen erkannt werden. Nachfolgende Tabelle zeigt den Fall Unterscheidung zwischen zwei Objekten anhand eines Merkmals. Das Merkmal ist entweder vorhanden (1 ) oder nicht vorhanden (0). Insgesamt ergeben sich hieraus 22=4 Merkmalskombinationen. Die Wahrscheinlichkeit, dass sich zwei Objekte in einem Merkmal gleichen, ist 2"1, also 50%.
Bei 2 Unterscheidungsmerkmalen sind insgesamt 24=16 Merkmalskombinationen möglich. Die Wahrscheinlichkeit, dass sich zwei Objekte in zwei Merkmalen gleichen ist somit 2"2, also 25%.
Bei N Unterscheidungsmerkmalen sind folglich 22N Merkmalskombinationen möglich. Die Wahrscheinlichkeit W, dass sich zwei Objekte in N Merkmalen gleichen ist somit 2"N, also lim W(N^°°)=0.
Mit dem erfindungsgemäßen Verfahren werden mehrere physikalische Merkmale von gefundenem und gesuchtem Objekt analysiert und verglichen. Die Aussagesicherheit hängt von der Zahl der untersuchten Merkmale ab. Wenn ein Objekt anhand der analysierten Merkmale als gesuchtes Objekt einer Basisklasse bzw. einer abgeleiteten Klasse nicht ausgeschlossen werden kann, dann ist es zugleich sehr unwahrscheinlich, dass ein anderes Objekt zufällig die gleiche Merkmalskombination trägt und ebenfalls als gesuchtes Objekt in Frage kommt. Mit anderen Worten wird ein Objekt anhand seiner Merkmale als z.B. Pkw eingestuft, dann ist es höchst unwahrscheinlich, dass ein Gebäude die gleiche Merkmalskombination aufweist. Der Vorteil der vorliegenden Erfindung ist, dass ein das Verfahren ausführendes System nicht eigens trainiert werden muss, weil die Objektklassen (=abgeleitete Klassen), nach denen gesucht werden so)), durch ihre ganz spezifische Codierung a priori bekannt sind. Ein weiterer Vorteil der Erfindung ist, dass das Ergebnis im Wesentlichen von einer Abfolge von logischen Nullen und Einsen abhängt. Dadurch wird die auszuwertende Datenmenge erheblich reduziert.
Das erfindungsgemäße Verfahren eignet sich insbesondere für im Verbund fliegende, unbemannte autonome Systeme.

Claims

Patentansprüche
1. Verfahren zur Identifizierung und Klassifizierung eines Objekts, wobei -ein Gegenstand von mindestens einem auf diesen abgestimmten physikalischen Detektor erfasst wird
-aus dem Ausgangssignal des mindestens einen Detektors zumindest mittels einer Schwellwertbildung sowie einer Auswerteeinrichtung mindestens ein Objekt ermittelt wird,
-das Objekt identifiziert und/oder klassifiziert wird anhand von vorgebbaren Eigenschaften aus dem Ausgangssignal,
-für das Objekt eine Anzahl von unterschiedlichen physikalischen Merkmalen aus dem Ausgangssignal abgeleitet werden dadurch gekennzeichnet, dass
- das Objekt anhand der abgeleiteten physikalischen Merkmale mindestens einer von N vorgegebenen Basisklassen zugeordnet wird,
- die N Basisklassen in einer vorgegebenen Reihenfolge zu einem N- dimensionalen Vektor V angeordnet werden, welcher dem Objekt zugeordnet wird, wobei die Elemente v-i,... ,VN des Vektors V die Zugehörigkeit des Objekts zu der jeweiligen Basisklasse angeben, - in Abhängigkeit des Vektors V das Objekt einer abgeleiteten Klasse zugeordnet wird, welche einer Referenzdatenbank entnommen wird.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass einem Element Vi vN bei Zugehörigkeit des Objekts zu der entsprechenden Basisklasse der binäre Wert 1 , andernfalls der binäre Wert 0 zugewiesen wird.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass das Objekt mindestens einer Basisklassen Radarquelle, Sendequelle, Wärmequelle, Radarrückstreuquelle, Dopplereffekt, Lichtquelle, Spektralquelle, Schallquelle, Kontur zugeordnet wird.
EP10722291A 2009-02-19 2010-02-09 Verfahren zur klassifizierung eines objekts Ceased EP2399226A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102009009571.3A DE102009009571B4 (de) 2009-02-19 2009-02-19 Verfahren zur Identifizierung und Klassifizierung eines Objekts
PCT/DE2010/000146 WO2010094261A1 (de) 2009-02-19 2010-02-09 Verfahren zur klassifizierung eines objekts

Publications (1)

Publication Number Publication Date
EP2399226A1 true EP2399226A1 (de) 2011-12-28

Family

ID=42312700

Family Applications (1)

Application Number Title Priority Date Filing Date
EP10722291A Ceased EP2399226A1 (de) 2009-02-19 2010-02-09 Verfahren zur klassifizierung eines objekts

Country Status (7)

Country Link
US (1) US9542464B2 (de)
EP (1) EP2399226A1 (de)
AU (1) AU2010214932A1 (de)
BR (1) BRPI1008914A2 (de)
DE (1) DE102009009571B4 (de)
RU (1) RU2541158C2 (de)
WO (1) WO2010094261A1 (de)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010019936B4 (de) 2010-05-08 2022-05-19 Mbda Deutschland Gmbh Verfahren zum Qualifizieren eines Objekts sowie Vorrichtung zur Durchführung des Verfahrens
RU2692420C2 (ru) * 2017-09-18 2019-06-24 Российская Федерация, от имени которой выступает Федеральное государственное казенное учреждение "Войсковая часть 68240" Способ идентификации и классификации объектов
RU2726027C1 (ru) * 2020-01-28 2020-07-08 Юрий Иванович Стародубцев Способ идентификации элементов сложной системы в переменных условиях
RU2756778C1 (ru) * 2020-06-17 2021-10-05 Федеральное государственное бюджетное учреждение науки Институт проблем машиноведения Российской академии наук (ИПМаш РАН) Способ классификации изображений

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4100500A1 (de) 1991-01-10 1992-07-16 Bodenseewerk Geraetetech Signalverarbeitungsanordnung zur klassifizierung von objekten aufgrund der signale von sensoren
JP3776500B2 (ja) * 1996-03-26 2006-05-17 オリンパス株式会社 多重化光学系及びそれを用いた特徴ベクトル変換装置、特徴ベクトル検出伝送装置、及び、それらを用いた認識分類装置
DE19731111B4 (de) 1997-07-19 2005-10-27 Eads Deutschland Gmbh Verfahren zur Identifizierung sowie Klassifizierung eines Zieles
US6178261B1 (en) * 1997-08-05 2001-01-23 The Regents Of The University Of Michigan Method and system for extracting features in a pattern recognition system
US6757668B1 (en) 1999-11-05 2004-06-29 General Electric Company Information fusion of classifiers in systems with partial redundant information
CA2431035A1 (en) * 2000-11-06 2002-05-10 Thrasos, Inc. Computer method and apparatus for classifying objects
US20020169730A1 (en) * 2001-08-29 2002-11-14 Emmanuel Lazaridis Methods for classifying objects and identifying latent classes
US7428515B2 (en) * 2003-09-30 2008-09-23 International Business Machines Corporation Object classification using an optimized Boolean expression
US7480639B2 (en) * 2004-06-04 2009-01-20 Siemens Medical Solution Usa, Inc. Support vector classification with bounded uncertainties in input data
US7958063B2 (en) * 2004-11-11 2011-06-07 Trustees Of Columbia University In The City Of New York Methods and systems for identifying and localizing objects based on features of the objects that are mapped to a vector
RU2287840C1 (ru) * 2005-05-03 2006-11-20 Открытое акционерное общество "Концерн "Гранит - Электрон" Способ обнаружения и классификации надводных целей
US7558772B2 (en) * 2005-12-08 2009-07-07 Northrop Grumman Corporation Information fusion predictor
US8099419B2 (en) * 2008-12-19 2012-01-17 Sap Ag Inferring rules to classify objects in a file management system

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
DUDA, HART, STORK: "Pattern Classification", 1 January 2000, pages: 431, 432, 436 *

Also Published As

Publication number Publication date
DE102009009571A1 (de) 2010-08-26
US20120054183A1 (en) 2012-03-01
AU2010214932A1 (en) 2011-09-08
RU2541158C2 (ru) 2015-02-10
WO2010094261A1 (de) 2010-08-26
RU2011138069A (ru) 2013-03-27
US9542464B2 (en) 2017-01-10
DE102009009571B4 (de) 2019-05-09
BRPI1008914A2 (pt) 2017-06-06

Similar Documents

Publication Publication Date Title
CN108510467B (zh) 基于深度可变形卷积神经网络的sar图像目标识别方法
DE102015008403B3 (de) Verfahren zur automatischen Klassifikation von Radarobjekten
CN101241181B (zh) 非库属目标一维距离像判别方法
EP2883074B1 (de) Verfahren und vorrichtung zum bestimmen eines frequenzlinienmusters innerhalb wenigstens eines amplitudenspektrums
EP2399226A1 (de) Verfahren zur klassifizierung eines objekts
CN106680775A (zh) 一种自动识别雷达信号调制方式的方法和系统
EP2206075B1 (de) Detektor und verfahren zum erkennen einer fahrspurbegrenzung
CN103793709A (zh) 细胞识别方法和装置、以及尿液分析仪
DE102019200849A1 (de) Verfahren zum Erfassen einer Bewegung eines Objekts
EP2320384B1 (de) Verfahren zur Kennzeichenerkennung und Mautkategorisierung von Fahrzeugen
EP0845686A2 (de) Verfahren und Vorrichtung zur automatischen Klassifikation von Objekten
DE10344299B4 (de) Klassifizierung der in einer Umgebung eines Kraftfahrzeugs befindlichen Objekte
DE102018222800A1 (de) Ortung und/oder Klassifikation von Objekten aus Radardaten mit verbesserter Verlässlichkeit bei unterschiedlichen Entfernungen
CN105550646A (zh) 基于对数梯度直方图的广义光照不变人脸特征描述方法
DE102015207318A1 (de) Verfahren und Vorrichtung zur Verdeckungserkennung für stationäre Radarsysteme
KR102048956B1 (ko) 피아식별신호의 펄스열분석 방법 및 그 장치
DE102007036277A1 (de) Verfahren und Vorrichtung zur automatischen Mustererkennung
DE102017214657B3 (de) Verfahren zur Auswertung von Radardaten und Kraftfahrzeug
DE102018217310A1 (de) Verfahren zum Auswerten von Zeitseriensignalen
DE102008043953A1 (de) Vorrichtung zur Erzeugung und/oder Verarbeitung einer Objektsignatur, Überwachungsvorrichtung, Verfahren und Computerprogramm
DE69126567T2 (de) Verfahren zur schnellen Erkennung von Gegenständen die zu einer eine grosse Menge von Gegenständen mit verschiedenen Merkmalen umfassenden Sammlung gehören können
EP0947851A2 (de) Verfahren zur Klassifikation und/oder Identifikation eines Zieles
EP0548689B1 (de) Verfahren zum Detektieren und Unterscheiden weit entfernter Hubschrauber von anderen Fahrzeugen
DE102020216196A1 (de) Verfahren zur Detektion zumindest eines Objektes einer Umgebung mittels Reflexionssignalen eines Radar-Sensorsystems
DE102017113794A1 (de) Klassifizierung statischer und dynamischer Bildsegmente in einer Fahrerassistenzvorrichtung eines Kraftfahrzeugs

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20110812

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO SE SI SK SM TR

DAX Request for extension of the european patent (deleted)
17Q First examination report despatched

Effective date: 20120705

REG Reference to a national code

Ref country code: DE

Ref legal event code: R003

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION HAS BEEN REFUSED

18R Application refused

Effective date: 20131015