一种采用Bi-LSTM神经网络的目标跟踪方法技术

本发明专利技术公开了一种采用Bi‑LSTM神经网络的目标跟踪方法，目的是解决强机动目标运动过程复杂、运动模型难以建立且计算量大的问题，提高目标跟踪精度。技术方案是先建立目标跟踪系统，采集运动目标位置、速度数据，并进行数据预处理，获得目标运动训练集和测试集；然后设计适用于目标跟踪的Bi‑LSTM神经网络，用训练集训练神经网络中的权重参数；最后用训练好的模型实现目标跟踪。本发明专利技术适用于处理时间序列上的连续数据，通过历史数据预测下一时刻目标运动状态，目标跟踪的精度较高。

【技术实现步骤摘要】
一种采用Bi-LSTM神经网络的目标跟踪方法
本专利技术属于目标跟踪
，涉及一种采用Bi-LSTM神经网络的目标跟踪方法。
技术介绍
目标跟踪是军事领域的一个重要的方面。在目标跟踪问题的研究中，实现实时、高精度的跟踪机动目标是目标跟踪系统设计的主要目的。单目标跟踪的目的是实现对目标位置、速度、姿态的预测估计。目前单目标跟踪是大多通过滤波算法，对目标运动模型的量测值进行滤波估计，能够达到不错的精度。蔺红明、魏兵卓等在《一种用于搜索雷达的交互多模型跟踪滤波算法》中，采用交互式多模型算法将α-β滤波和α-β-γ滤波算法结合，将机动目标分为CV模型和CA模型下的运动，提高了单模型机动目标跟踪精度和效果。潘静岩,潘媚媚等在《一种参数自适应变化的强机动目标跟踪算法》中，对当前统计模型中的加速度变化率进行自适应调整，并在滤波算法中对强跟踪滤波器的时变渐消因子的尺度调节系数进行自适应调整，提高了对强机动目标的跟踪精度。而对强机动运动目标来说，其运动过程较为复杂，运动模型难以确立，采用滤波算法进行估计计算量大，且跟踪效果不理想，误差较大。因此，探寻一个简易本文档来自技高网...

【技术保护点】
1.一种采用Bi-LSTM神经网络的目标跟踪方法，其特征在于，包括以下步骤：/n步骤1：利用GPS传感器完成数据收集，获取目标运动数据，包括纬度、经度和速度，得到目标跟踪训练集和测试集，并对数据集中的数据进行归一化处理，具体为：/n

【技术特征摘要】
1.一种采用Bi-LSTM神经网络的目标跟踪方法，其特征在于，包括以下步骤：
步骤1：利用GPS传感器完成数据收集，获取目标运动数据，包括纬度、经度和速度，得到目标跟踪训练集和测试集，并对数据集中的数据进行归一化处理，具体为：



其中m表示归一化处理后的数据，x和分别表示需要归一化处理的数据和其均值，δ表示需要处理数据的标准差；
步骤2：初始化Bi-LSTM神经网络参数，包括学习率、迭代次数、隐含层节点数和时间步长，将步骤1中得到的归一化后的训练集数据按时序输入至Bi-LSTM神经网络的输入层；
步骤3：利用时序上前n组数据预测第n+1组数据，得到全部数据的预测结果，n为时间步长；
步骤4：将预测值与实际值进行比较，计算其均方误差：



其中，yi为所选样本第i个数据的真实值，y′i为经过神经网络得到的预测值；
步骤5：根据均方误差采用...

【专利技术属性】
技术研发人员：王宏健，代涛，张宏瀚，李本银，陈涛，阮力，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙;23