基于动态贝叶斯网络的障碍物辨识研究

• 作 者: 刘顺林 黄影平 刘述民
• 机 构: 上海理工大学光电信息与计算机工程学院,江西理工大学软件学院
• 出 处: 软件导刊
• 发表日期: 2018年04期
• 关键词: 动态贝叶斯网络 特征提取 障碍物辨识 dynamic bayesian network feature extraction obstacle classifi

依据对样本的统计学习和对事物的先验知识,在数据缺失或没有样本数据的情况下依然可以建立有效的分类器。从图像中提取特征,筛选出所需特征,构建贝叶斯网络模型,并计算各节点的条件概率。将所需数据传入建好的网络系统中,通过一系列推理判断得到所需答案。实验结果表明,利用动态贝叶斯网络建立的障碍物辨识系统,能有效实现人和车辆等障碍物的辨识。