【技术实现步骤摘要】
一种基于多级区域划分的目标运动意图推理方法及系统
[0001]本专利技术涉及目标运动意图推理
，具体涉及一种基于多级区域划分的目标运动意图推理方法及系统。
技术介绍
[0002]目标运动意图推理技术主要有基于生成式模型的意图推理方法与基于判别式模型的意图推理方法两大类方法。在生成式模型中，典型的算法有基于贝叶斯理论的意图推理方法与基于隐马尔可夫模型的意图推理方法；在判别式模型中，典型的算法有基于支持向量机的意图推理方法与基于深度神经网络的意图推理方法。在基于贝叶斯理论的意图推理方法中，需要首先建立目标运动行为与目标运动意图之间的似然概率模型，然后依据观测到的目标运动状态迭代地推理目标的运动意图。这种迭代地推理方式虽然具有清晰的推理架构，但也存在着目标运动轨迹无法完全使用的问题。在基于隐马尔可夫模型的意图推理方法中，将目标的运动行为使用两个随机过程进行建模，其中一个随机过程是隐藏不可观测的，另一个随机过程是可观测的，在意图推理过程中，首先对目标所有可能的意图分别建立对应的隐马尔可夫模型，然后依据建立的模型计算观测到的目标...
【技术保护点】
【技术特征摘要】
1.一种基于多级区域划分的目标运动意图推理方法，其特征在于，包括以下步骤：将城市环境进行多级多区域划分，划分的各级子区域构成移动目标的运动意图集合；获取多个移动目标城市运动轨迹，将轨迹在所述运动意图集合中进行标注，以构建训练数据集；将所述训练数据集进行离散化处理，以构建特征地图矩阵；所述特征地图矩阵用于表示与城市环境相关的移动目标运动状态特征；将所述特征地图矩阵输入基于卷积神经网络的多级目标运动意图推理模型进行训练，获得训练好的多级目标运动意图推理模型；将待推理的移动目标城市运动轨迹在所述运动意图集合中进行标注并进行离散化处理，输入训练好的多级目标运动意图推理模型中，获取移动目标前往各级区域中各子区域的概率。2.根据权利要求1所述的一种基于多级区域划分的目标运动意图推理方法，其特征在于，将所述训练数据集进行离散化处理，以构建特征地图矩阵的具体过程为：将标注运动轨迹后的运动意图集合变换为栅格地图；在栅格地图中，将属性为可进入建筑物所在的栅格单元赋值为N1，将属性为不可进入建筑物所在的栅格单元赋值为N2，将训练数据集中每个移动目标城市运动轨迹的多个位置点所在的栅格单元赋值为N3；0<N1<1，0<N2<1，0<N3<1，且N1、N2、N3均不相等；从而获得多个特征地图矩阵。3.根据权利要求2所述的一种基于多级区域划分的目标运动意图推理方法，其特征在于，所述多个特征地图矩阵对应多个时刻的赋值后的栅格地图，设置N1＝0.2，N2＝0.6，N3＝0.4，用矩阵表示t时刻的特征地图矩阵，定义如下：定义如下：式中，表示在t时刻矩阵中第k行第l列的元素值；c
kl
表示位于第k行第l列的栅格单元；c(B
acc
)表示所有可进入建筑物所在区域占据的栅格单元集合；c(B
inacc
)表示所有不可进入建筑物所在区域占据的栅格单元集合；表示在t
′
时刻目标所在位置所占据的栅格单元；T
inf
表示对目标运动意图的推理周期，即每隔时间段T
inf
根据目标运动状态的变化对目标的运动意图进行一次推理。4.根据权利要求3所述的一种基于多级区域划分的目标运动意图推理方法，其特征在于，所述基于卷积神经网络的多级目标运动意图推理模型建立如下：对于表征目标运动意图的各级区域Q
i
，分别基于卷积神经网络建立其对应的第i级目标运动意图推理网络其输入为所述特征地图矩阵中区域Q
i
所对应的特征矩阵，输出为移动目标在区域Q
i
中的运动意图，即移动目标前往区域Q
i
所属各子区域的概率，表示为：
式中：P(Q
i
)表示移动目标前往区域Q
i
所属各子区域的概率；表示区域Q
i
所对应的特征地图矩阵；表示第i级目标运动意图推理网络的参数。5.根据权利要求4所述的一种基于多级区域划分的目标运动意图推理方法，其特征在于，所述基于卷积神经网络的多级目标运动意图推理模型在训练过程中通过最优化以下损失函数来确定第i级目标运动意图推理网络的参数的参数式中：N
D
表示训练数据集中移动目标城市运动轨迹的条数；M
m
表示训练数据集中第m条移动目标城市运动轨迹具有的位置点个数；Y
i
(m,k)是一个标志位，表示训练数据集中第m条移动目标城市运动轨迹在离开第i级区域Q
i
之前的最后一个位置点是否在第i级子区域中，若是则Y
i
(m,k)＝1，否则Y
i
(m,k)＝0；表示利用第i级目标运动意图推理网络推理出的训练数据集中第m条移动目标城市运动轨迹在第j...
【专利技术属性】
技术研发人员：白成超，颜鹏，郭继峰，郑红星，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。