[发明专利]运动信息预测模型训练方法、装置、电子设备及存储介质

说明书

本申请提供了一种运动信息预测模型方法、装置、电子设备及存储介质，该方法包括：获取样本运动物体前后两个时刻的运动信息；将前一时刻的运动信息进行编码，得到前一时刻对应的运动向量，并将后一时刻的运动信息进行编码，得到后一时刻对应的运动向量；将前一时刻对应的运动向量作为输入，后一时刻对应的运动向量作为输出，对待训练的运动信息预测模型进行训练；当从运动信息预测模型输出的运动向量与后一时刻对应的运动向量之间的距离小于预设距离时，确定运动信息预测模型所包括的各层感知神经网络对应的权重和偏置系数，得到训练后的运动信息预测模型。本申请中，运动信息预测模型所包括的多层感知神经网络对应的权重和偏置系数的准确度较高。

技术领域

本申请涉及信息处理技术领域，特别是涉及一种运动信息预测模型训练方法、装置、电子设备及存储介质。

背景技术

随着图像处理技术的发展，越来越多的应用涉及对于某一运动物体的检测、识别、跟踪等。通过提取跟踪场景中的运动物体，可以记录运动物体的轨迹，并通过计算机处理，可以进一步获得目标运动物体的分析结果。

相关技术中，通常的做法是预先设定好多个运动模型，例如匀加速，匀速转动等；在跟踪过程中，动态调整各个运动模型的权重，即通过对多个运动模型进行线性叠加，以得到各个时刻运动物体的运动信息。

但是，在实际应用中，被跟踪的运动物体的种类很多，运动模式也较多，运动模式的变化也非常多，因此，通过对多个运动模型进行线性叠加，很难准确地确定被跟踪的运动物体的运动信息。

发明内容

为解决上述技术问题，本申请示出了一种运动信息预测模型训练方法、装置、电子设备及存储介质。

第一方面，本申请示出了一种运动信息预测模型训练方法，所述方法包括：

获取样本运动物体前后两个时刻的运动信息；

将前一时刻的运动信息进行编码，得到前一时刻对应的运动向量，并将后一时刻的运动信息进行编码，得到后一时刻对应的运动向量；

将所述前一时刻对应的运动向量作为输入，所述后一时刻对应的运动向量作为输出，对待训练的运动信息预测模型进行训练，所述运动信息预测模型包括多层感知神经网络；

当从所述运动信息预测模型输出的运动向量与所述后一时刻对应的运动向量之间的距离小于预设距离时，确定所述运动信息预测模型所包括的各层感知神经网络对应的权重和偏置系数，得到训练后的运动信息预测模型。

可选的，所述运动信息包括：运动物体的位置，运动物体的速度，运动物体的朝向，运动物体的形状，运动物体所在道路的道路信息和周围物体的物体信息。

可选的，所述多层感知机神经网络包括输入层、多层隐藏层和输出层，所述输入层和与其连接的隐藏层之间的连接方式为全连接，所述输出层和与其连接的隐藏层之间的连接方式为全连接，所述多层隐藏层之间的连接方式为全连接。

可选的，所述方法还包括：

获取当前时刻目标运动物体的运动信息；

对所述目标运动物体的运动信息进行编码，得到第一运动向量；

将所述第一运动向量输入到所述训练后的运动信息预测模型，得到第二运动向量；所述第二运动向量用于表征下一时刻所述目标运动物体的运动信息。

可选的，所述方法还包括：

对所述第二运动向量进行解码，得到下一时刻所述目标运动物体的运动信息；

通过当前时刻所述目标运动物体的运动信息和下一时刻所述目标运动物体的运动信息，确定所述目标运动物体的运动轨迹。