一种基于LSTM神经网络的目标跟踪方法技术

一种基于LSTM神经网络的目标跟踪方法，属于目标跟踪技术领域。本发明专利技术利用长短时记忆模型(LSTM)对复杂、非线性运动的目标跟踪，解决目标跟踪困难、目标模型难以建立和跟踪精度低的问题；首先采集目标的经纬度信息和速度信息，将采集的数据进行数据处理；然后设计用于单目标跟踪的LSTM神经网络结构；最后调节LSTM神经网络参数以实现目标跟踪。本发明专利技术有效的简化了非线性滤波过程并能对复杂的非线性目标进行有效跟踪；不需要建立目标运动模型和利用传统的滤波算法；利用历史的目标运动信息来预估下一时刻的目标运动状态；利用反向传播算法调节神经网络的内部参数；学习率衰减的方法减小计算量并提高精度。

【技术实现步骤摘要】
一种基于LSTM神经网络的目标跟踪方法
本专利技术属于目标跟踪
，具体涉及一种基于LSTM神经网络的目标跟踪方法。
技术介绍
机动目标跟踪是目前比较活跃的研究课题，如何快速、准确、可靠的跟踪目标是目标跟踪系统设计的主要目的。目标跟踪，即对目标的位置、速度、姿态角等信息进行实时跟踪和预测，目标跟踪按照目标个数可分为单目标跟踪和多目标跟踪。大多数的单目标跟踪是根据贝叶斯原理进行滤波估计,这种形式的目标跟踪对运动复杂的目标跟踪效果不理想、运动模型难以选取和计算量大。而在实际应用中目标的运动是复杂多变的，建立一个理想的运动模型十分困难并且非线性滤波计算量非常大。因此，探寻一个简易、准确、可靠的目标跟踪方法是具有重大的理论和实践价值。目前，将神经网络应用于目标跟踪领域的文献不多，具有代表性的例如文献[1]魏守辉.多传感器目标信息融合与跟踪方法研究[D].南京:南京航空航天大学硕士学位论文,2005.将BP神经网络和RBF神经网络应用到信息融合算法和航迹融合算法中，通过仿真验证了BP神经网络和RBF神经网络有效性，并通过对比分析发现RBF神经网络具有训练时间少和抗噪声能力强的优点。文献[2本文档来自技高网...

【技术保护点】
1.一种基于LSTM神经网络的目标跟踪方法，其特征在于，包括：(1)采集目标的经纬度信息和速度信息，将采集的数据进行数据处理；(2)设计用于单目标跟踪的LSTM神经网络结构；(3)调节LSTM神经网络参数以实现目标跟踪。

【技术特征摘要】
1.一种基于LSTM神经网络的目标跟踪方法，其特征在于，包括：(1)采集目标的经纬度信息和速度信息，将采集的数据进行数据处理；(2)设计用于单目标跟踪的LSTM神经网络结构；(3)调节LSTM神经网络参数以实现目标跟踪。2.根据权利要求1所述的一种基于LSTM神经网络的目标跟踪方法，其特征在于：所述步骤(1)中采集目标的经纬度信息和速度信息后先用人工判别方法剔出错误数据，然后对经纬度信息首先进行放大处理，再需要对经纬度进行数据的归一化处理和数据解析处理，再将处理后的数据分为训练集和测试集，用训练集来训练网络结构的权重和偏置参数，测试集用来检测目标跟踪精度，并计算出目标跟踪均方误差值。3.根据权利要求1所述的一种基于LSTM神经网络的目标跟踪方法，其特征在于：所述步骤(2)中设计的LSTM神经网络结构为具有一层隐含层和多输入多输出的神经网络结构；输入层的维度是3，其中分别是目标的经度信息、维度信息和速度信息；隐含层的LSTM神经网络是通过三个δ遗忘门来控制丢弃或增加信息，从而实现遗忘或记忆的功能，除了遗忘门、输入门和输出门外，还有输入单元和输出单元，门控单元采用的是sigmoid激活函数，输入输出单元采用的是tanh激活函数；隐藏节点的个数设定为10个；输出层的维度是3，激活函数是线性函数，分别输出目标的经度、维度和速度...

【专利技术属性】
技术研发人员：王宏健，阮力，王莹，高伟，何姗姗，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23