[发明专利]一种基于瓶颈神经网络嵌入的飞行目标轨迹分类的方法

说明书

本发明公开了一种基于瓶颈神经网络嵌入的飞行目标轨迹分类的方法，涉及目标识别的技术领域，包括：首先从飞行目标的轨迹数据中提取飞行目标运动特征；其次将飞行目标运动特征输入瓶颈神经网络进行特征嵌入，并输出嵌入结果；最后将嵌入结果输入由多个分类器组成的多人表决器中，进行飞行目标轨迹类型识别，得到最终的识别结果；本发明，针对飞行目标的轨迹数据，从中挖掘出目标运动特性，并利用该特性对飞行目标进行分类，提高飞行目标轨迹分类的准确率和鲁棒性。

技术领域

本发明涉及目标识别的技术领域，具体涉及一种基于瓶颈神经网络嵌入的飞行目标轨迹分类的方法。

背景技术

本节中的陈述仅提供与本公开相关的背景信息，并且可能不构成现有技术。

轨迹分类是一种利用目标轨迹识别目标类型的技术，应用于行为习惯挖掘、交通管理、船只航行监控等领域，为疏导交通拥堵，优化交通调度、海上预警等任务提供智能技术支撑；在空中管理中，轨迹分类技术用于区分不同飞行目标的类型，预警客机附近出现的鸟类、无人机等飞行目标，辅助相关人员及时采取措施，避免相撞事故，保障客机安全飞行；其中，轨迹是轨迹分类任务的处理对象，通常由GPS、北斗、雷达等定位系统产生，由一组和时间相关的目标空间位置数据组成；由于轨迹数据过于简单，因此如何从轨迹数据中提取出有效轨迹特征，以支撑轨迹分类任务是轨迹分类研究的重点和难点。

传统的轨迹特征，如TraClass特征，主要表征目标移动的区域信息，对汽车、行人等移动区域受限的目标有较好的表征效果，但是对飞行目标而言，由于其运动区域过于灵活且自由度较大，因此表征效果不理想；流行的目标运动参数特征，如局部特征和全局特征，能够较好的表示飞行目标的运动特性，且提升了轨迹分类的性能，但是其容易受到野值的影响；然而，在实际应用中，定位设备受天气、环境影响，会产生大量野值；因此，目前急需研究一种对即能表征目标运动特性，同时又对野值鲁棒的轨迹特征。

发明内容

本发明的目的在于：针对目前传统的轨迹特征对飞行目标而言，表征效果不理想和流行的目标运动参数特征，容易受到野值的影响的问题，提供了一种基于瓶颈神经网络嵌入的飞行目标轨迹分类的方法，针对飞行目标的轨迹数据，从中挖掘出目标运动特性，并利用该特性对飞行目标进行分类，提高飞行目标轨迹分类的准确率和鲁棒性，从而解决了上述问题。

本发明的技术方案如下：

一种基于瓶颈神经网络嵌入的飞行目标轨迹分类的方法，具体包括如下步骤：

步骤S1：从飞行目标的轨迹数据中提取飞行目标运动特征；

步骤S2：将飞行目标运动特征输入瓶颈神经网络进行特征嵌入，并输出嵌入结果；

步骤S3：将嵌入结果输入由多个分类器组成的多人表决器中，进行飞行目标轨迹类型识别，得到最终的识别结果。

进一步地，所述步骤S1，包括：

步骤S11：根据飞行目标的轨迹数据计算局部特征；

步骤S12：根据飞行目标的轨迹数据计算全局特征；

步骤S13：将局部特征和全局特征叠加，构成高维度的特征向量，作为飞行目标运动特征。

进一步地，所述步骤S11，包括：

根据飞行目标的轨迹数据计算飞行目标轨迹中各点的运动参数；所述运动参数包括：速度、加速度、航向、曲度；

采用分段法将飞行目标轨迹分成多个轨迹段；

根据每个轨迹段中的各点的运动参数，计算得到每个轨迹段的段长度、段平均速度、段平均加速度、段平均曲度、段平均航向，作为局部特征。

进一步地，所述步骤S12，包括：