[发明专利]一种动目标活动概率图谱构建及行为意图识别方法

权利要求书

1.一种动目标活动概率图谱构建及行为意图识别方法，其特征在于，包括如下步骤：

步骤1，构建动目标活动兴趣网格框架和概率图谱；

步骤2，构建动目标活动兴趣仓库、动目标活动概率图谱库；

步骤3，态势时空探索分析；

步骤4，基于动目标活动概率图谱进行动目标活动规律挖掘，构建动目标活动规律模型库，实现动目标识别、动目标行为识别和意图预测以及态势时空热点预测；

步骤1包括如下步骤：

步骤1-1，构建动目标活动兴趣网格框架，将地球表面空间划分为地理大小一致的平面网格和立体网格；

步骤1-2，计算生成单目标活动兴趣网格：将数据采集系统获取的目标运动点迹信息转化为目标对兴趣网格中网格区域的兴趣度；

步骤1-3，计算动目标活动概率图谱；

步骤1-1中，所述动目标活动兴趣网格框架包含网格框架和基本网格单元；

动目标活动兴趣网格框架依据地理要素，即经纬度和高度将地球上的空间进行离散化网格划分，此处采用四边形划分方法，设定经纬度的划分单位是1分，高度的划分单位是100米，在经纬度构成的二维平面上总共划分出(360×60)×(180×60)＝21600×10800＝23328000个格子；高度以海平面为基础，每升高100米为一格；

动目标活动兴趣网格框架在应用时根据需要取二维或三维的网格，则动目标活动兴趣网格框架全体定义为G，如公式(1)所示：

G＝(g_j，w，h)_21600×10800 (1)

其中，g_j，w，h代表一个基本兴趣网格单元，(j，w，h)是兴趣网格单元的三维编码，j∈[0，21599]代表兴趣网格经度编码，w∈[0，10799]代表兴趣网格纬度编码，h为兴趣网格高度编码，通过对地理高度求整获得；兴趣网格框架的一部分定义为G_m，n：

G_m，n＝(g_j，w，h)_m×n (2)

其中在三维情况下g_j，w，h代表一个三维网格单元，是一个三维空间区域，以三元组(JD，WD，GD)表示，在二维情况下g_j，w代表一个二维网格单元，是一个二维空间区域，以二元组(JD，WD)来表示，JD，WD分别代表网格单元的中心点经度和纬度，GD代表网格单元的海拔高度，在二维情况下GD默认为0，m∈[1，21600]，m代表经度方向跨越的基本网格数，n∈[1，10800]，n代表纬度方向跨越的基本网格数，三维背景下兴趣网格单元g_j，w，h和二维背景下兴趣网格单元g_j，w被称为基本网格单元，由基本网格单元构成的格G、G_m，n被称为基本格；

步骤1-2中，目标对兴趣网格中网格区域的兴趣度定义为一定时间周期内，目标在该网格中出现的时间总和，假设兴趣网格单元为g_j，w，h，动目标为mt，时间周期c内，动目标mt在网格单元g_j，w，h范围内共出现N次，第k次出现所停留的时间是LT_k，则记动目标mt在时间周期c内对网格单元g_j，w，h的兴趣度I(mt，g_j，w，h，c)为：

其中，LT_k的计算如下式所示：

LT_k＝T_out-T_in (4)

其中，T_in是动目标mt进入网格g_j，w，h的时刻，T_out是动目标mt在网格单元g_j，w，h的消失的时刻；

步骤1-3包括：动目标活动概率图谱分为单目标活动概率图谱和多目标活动概率图谱，

单目标活动概率图谱定义：单个动目标活动概率图谱表示时间周期c内动目标mt在兴趣网格G_m，n＝(g_j，w，h)_m×n上活动的兴趣概率表示，被定义为一个基本元素为五元组的二维矩阵

其中，JD，WD，GD分别是兴趣网格单元的中心点经度、纬度和海拔高度，在二维情况下GD为0，不代入计算；ST是动目标初次进入该网格的起始时间，定义为进入时刻到周期起始时刻的时间长度；是一定时间周期c内目标mt在基本兴趣网格单元g_j，w，h中活动的概率，被定义为

多目标活动概率图谱定义：多目标活动概率图谱表示时间周期c内一群组mtg包含的所有动目标在兴趣网格G_m，n＝(g_j，w，h)_m×n上活动的兴趣概率表示，一个群组的多个动目标活动形成的概率图谱如下：

是一定时间周期c内群组mtg中的动目标在基本兴趣网格单元g_j，w，h中活动的概率，被定义为

其中，mt_i∈mtg，g_j，w，h∈G_m，n，因此，又叫做群组mtg在兴趣网格单元g_j，w，h中活动的概率。