[发明专利]一种基于隐马尔科夫模型的群目标动态行为识别方法

权利要求书

1.一种基于隐马尔科夫模型的群目标动态行为识别方法，其特征在于，包括如下步骤：

S1：根据群目标实时动态位置坐标信息数据，计算群目标所有标准队形的阿基米德螺旋线系数；

S2：确定群目标的行为状态集；

S3：根据群目标的行为状态集，构建群目标行为状态转移概率矩阵和群目标队形变换观测概率矩阵；

S4：根据群目标行为状态转移概率矩阵和群目标队形变换观测概率矩阵，构建用于连续时间序列的群目标行为分析的隐马尔科夫模型；

S5：获取一个群目标连续帧的位置坐标，计算群目标每一帧的阿基米德螺旋线系数，得到阿基米德螺旋线系数序列；

S6：将获取的阿基米德螺旋线系数序列，作为观测序列带入隐马尔科夫模型，推断群目标的行为，对群目标行为进行定量分析识别。

2.根据权利要求1所述的一种基于隐马尔科夫模型的群目标动态行为识别方法，其特征在于，所述步骤S1具体包括如下步骤：

A1：确定群目标的经典标准队形；

A2：获取各个队形的横纵坐标信息；

A3：计算各个经典标准群目标队形的阿基米德螺旋线系数。

3.根据权利要求2所述的一种基于隐马尔科夫模型的群目标动态行为识别方法，其特征在于，所述步骤A3中阿基米德螺旋线系数的计算方法为：

B1：将(x,y)坐标转换为极坐标(ρ,θ)；

B2：计算群目标内每个对象的阿基米德螺旋线系数，计算公式为：

a＝(ρ₁-ρ₂)/(θ₁-θ₂+2*pi)

其中pi的取值为π，其中(ρ₁,θ₁)为一个群目标内某一对象的极坐标，(ρ₂,θ₂)为一个群目标内某另一对象的极坐标；

B3：对群目标内两两对象之间的阿基米德螺旋线系数取平均值，作为群目标该时刻最终的阿基米德螺旋线系数。

4.根据权利要求1所述的一种基于隐马尔科夫模型的群目标动态行为识别方法，其特征在于，所述步骤S2中群目标的行为状态集包括攻击行为、护航行为、防御行为、掩护行为和撤退行为。

5.根据权利要求1所述的一种基于隐马尔科夫模型的群目标动态行为识别方法，其特征在于，所述步骤S3中群目标行为状态转移概率矩阵的构建方法为：

C1：为群目标构建一个m*m大小的状态转移矩阵A，其中，m为要研究的群目标的行为的个数；

C2：利用历史经验数据确定群目标从行为e到行为f的概率值，确定群目标从行为e到行为f的概率值，并存入状态转移矩阵对应的位置中。

6.根据权利要求1所述的一种基于隐马尔科夫模型的群目标动态行为识别方法，其特征在于，所述步骤S3中群目标队形变换观测概率矩阵的构建方法为：

D1：为群目标构建一个m*n大小的观测概率矩阵B，其中，m为要研究的群目标的行为的个数，n为要研究的群目标的经典标准队形的个数；

D2：利用历史经验数据确定群目标要实现行为e的目的，群目标可能处于的各个经典标准队形的概率值，并存入观测概率矩阵对应的位置。

7.根据权利要求1所述的一种基于隐马尔科夫模型的群目标动态行为识别方法，其特征在于，所述步骤S4中构建的隐马尔科夫模型隐马尔科夫模型由隐含状态链、观测链、状态转移矩阵A、观测概率矩阵B和初始状态链构成；

隐马尔科夫模型隐含状态链为群目标的行为状态集；隐马尔科夫模型的观测链为群目标队形阿基米德螺旋线系数序列。

8.根据权利要求7所述的一种基于隐马尔科夫模型的群目标动态行为识别方法，其特征在于，所述步骤S6具体为：

E1：群目标行为状态转移矩阵A和群目标队形变换观测概率矩阵B构成了由标准队形阿基米德螺旋线系数到群目标行为的映射概率关系，具体矩阵公式形式如下：

映射关系：A·B；

E2：基于映射关系，从观测链中的阿基米德螺旋线系数信息推断出群目标行为，完成群目标的行为识别结果。