【技术实现步骤摘要】
本公开涉及模式识别，尤其涉及一种轨迹关联方法及装置、设备及存储介质。
技术介绍
1、融合来自跨空间（如空、天、地等）的多模数据并构建统一的态势图，成为支撑军事博弈对抗和极端环境探索等任务的重要要素。但多模数据的深度、高效融合目前面临的一大挑战是缺乏目标关联的先决条件。但就目前而言，在同一模态下往往存在不同目标之间辨别性较差的情况，这大大提高了目标关联的难度，在这种情况下，基础的匹配方法（最近邻等）往往就难以发挥作用，此时需要将结构信息、全局信息嵌入目标特征中。
2、目标轨迹的语义信息，即轨迹所包含的关于运动物体或个体行为的高级语义含义，其包括但不限于目标的运动模式和趋势、运动目标之间的交互行为（相对位置、避让、碰撞等）等，对于轨迹关联的准确性、鲁棒性和上下文理解起着关键作用。除此之外，在复杂的环境中，运动目标的轨迹可能会受到噪声、遮挡或轨迹重叠等干扰，这可能导致传统的轨迹关联方法的性能下降，同时，不同模态间由于传感器的时间分辨率差异导致的信息滞后和目标延迟出现问题也极大地影响了轨迹关联的准确率。
技术实现思路
1、为了解决上述技术问题或者至少部分地解决上述技术问题，本公开的实施例提供了一种轨迹关联方法及装置、设备及存储介质。
2、第一方面，本公开的实施例提供了一种轨迹关联方法，包括：
3、获取同一时段内分别在第一模态和第二模态下各运动目标的轨迹数据；
4、将第一模态和第二模态下各运动目标的轨迹数据输入已知的编码器中，输出各运动目标的特
5、根据各运动目标的特征向量确定各运动目标的描述向量；
6、根据第一模态下各运动目标与第二模态下各运动目标的描述向量，确定第一模态下各运动目标与第二模态下各运动目标的相似度矩阵，以按照相似度矩阵对第一模态与第二模态下的运动目标进行关联。
7、在一种可能的实施方式中，所述根据各运动目标的特征向量确定各运动目标的描述向量，包括：
8、对于每一个运动目标，执行以下步骤：
9、将当前运动目标的特征向量输入已知的第一线性变换函数，输出当前运动目标的查询向量、键向量和值向量；
10、基于已知的softmax函数，根据当前运动目标的查询向量和其他运动目标的键向量，确定当前运动目标与其他运动目标之间的连接强度；
11、将当前运动目标与其他运动目标之间的连接强度以及其他运动目标的键向量，输入已知的第二线性变换函数，输出当前运动目标的描述向量。
12、在一种可能的实施方式中，所述softmax函数的表达式如下：
13、
14、其中，为第i个运动目标与第j个运动目标之间的连接强度，为第i个运动目标的查询向量，为第j个运动目标的键向量。
15、在一种可能的实施方式中，通过以下表达式，将当前运动目标与其他运动目标之间的连接强度以及其他运动目标的键向量，输入已知的第二线性变换函数，输出当前运动目标的描述向量：
16、
17、
18、其中，为当前运动目标的描述向量，为第i个运动目标与第j个运动目标之间的连接强度，为第j个运动目标的值向量，为单头注意力输出，为第二线性变换函数的参数，为连接操作，为当前运动目标与其同一模态下其他运动目标之间的注意力输出，为当前运动目标与其不同模态下其他运动目标之间的注意力输出，为其他运动目标集合。
19、在一种可能的实施方式中，所述按照相似度矩阵对第一模态与第二模态下的运动目标进行关联，包括：
20、基于已知的垃圾箱机制，对相似度矩阵进行预处理；
21、对预处理后的相似度矩阵进行归一化，得到第一模态下各运动目标与第二模态下各运动目标的匹配矩阵。
22、在一种可能的实施方式中，所述基于已知的垃圾箱机制，对相似度矩阵进行预处理，包括：
23、对相似度矩阵增加异常点，其中，通过以下表达式，确定异常点在相似度矩阵中的位置：
24、
25、其中，为相似度矩阵中第i行第列的元素，为相似度矩阵中第行第j列的元素，为相似度矩阵中第行第列的元素，为第一模态下运动目标的数量，为第二模态下运动目标的数量，为垃圾箱机制的参数。
26、在一种可能的实施方式中，所述对预处理后的相似度矩阵进行归一化，得到第一模态下各运动目标与第二模态下各运动目标的匹配矩阵，包括：
27、利用sinkhorn算法对预处理后的相似度矩阵进行行和列的归一化，经过次迭代，得到第一模态下各运动目标与第二模态下各运动目标的匹配矩阵。
28、在一种可能的实施方式中，所述已知的编码器、第一线性变换函数、softmax函数、第二线性变换函数和垃圾箱机制中的参数通过以下步骤训练得到：
29、将同一时段内分别在第一模态和第二模态下各运动目标的轨迹数据作为待训练编码器的输入，待训练编码器的输出作为待训练第一线性变换函数的输入，待训练第一线性变换函数的输出作为softmax函数的输入，softmax函数的输出作为待训练第二线性变换函数的输入，并将已知的第一模态下各运动目标与第二模态下各运动目标的匹配矩阵作为待训练垃圾箱机制参数下输出的匹配矩阵，对待训练的编码器、第一线性变换函数、第二线性变换函数和垃圾箱机制中的参数进行训练，得到已知的编码器、第一线性变换函数、softmax函数、第二线性变换函数和垃圾箱机制中的参数。
30、第二方面，本公开的实施例提供了一种轨迹关联装置，包括：
31、获取模块，用于获取同一时段内分别在第一模态和第二模态下各运动目标的轨迹数据；
32、输出模块，用于将第一模态和第二模态下各运动目标的轨迹数据输入已知的编码器中，输出各运动目标的特征向量；
33、第一确定模块，用于根据各运动目标的特征向量确定各运动目标的描述向量；
34、第二确定模块，用于根据第一模态下各运动目标与第二模态下各运动目标的描述向量，确定第一模态下各运动目标与第二模态下各运动目标的相似度矩阵，以按照相似度矩阵对第一模态与第二模态下的运动目标进行关联。
35、第三方面，本公开的实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；
36、存储器，用于存放计算机程序；
37、处理器，用于执行存储器上所存放的程序时，实现上述的轨迹关联的方法。
38、第四方面，本公开的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述的轨迹关联的方法。
39、本公开实施例提供的上述技术方案与现有技术相比至少具有如下优点的部分或全部：
40、本公开实施例所述的轨迹关联方法，获取同一时段内分别在第一模态和第二模态下各运动目标的轨迹数据；将第一模态和第二模态下各运动目标的轨迹数据输入本文档来自技高网...
【技术保护点】
1.一种轨迹关联方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据各运动目标的特征向量确定各运动目标的描述向量，包括：
3.根据权利要求2所述的方法，其特征在于，所述Softmax函数的表达式如下：
4.根据权利要求2所述的方法，其特征在于，通过以下表达式，将当前运动目标与其他运动目标之间的连接强度以及其他运动目标的键向量，输入已知的第二线性变换函数，输出当前运动目标的描述向量：
5.根据权利要求2所述的方法，其特征在于，所述按照相似度矩阵对第一模态与第二模态下的运动目标进行关联，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于已知的垃圾箱机制，对相似度矩阵进行预处理，包括：
7.根据权利要求5所述的方法，其特征在于，所述对预处理后的相似度矩阵进行归一化，得到第一模态下各运动目标与第二模态下各运动目标的匹配矩阵，包括：
8.根据权利要求5所述的方法，其特征在于，所述已知的编码器、第一线性变换函数、Softmax函数、第二线性变换函数和垃圾箱机制中的参数通
9.一种轨迹关联装置，其特征在于，包括：
10.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8中任一项所述的轨迹关联方法。
...【技术特征摘要】
1.一种轨迹关联方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据各运动目标的特征向量确定各运动目标的描述向量，包括：
3.根据权利要求2所述的方法，其特征在于，所述softmax函数的表达式如下：
4.根据权利要求2所述的方法，其特征在于，通过以下表达式，将当前运动目标与其他运动目标之间的连接强度以及其他运动目标的键向量，输入已知的第二线性变换函数，输出当前运动目标的描述向量：
5.根据权利要求2所述的方法，其特征在于，所述按照相似度矩阵对第一模态与第二模态下的运动目标进行关联，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于已知的垃圾箱机制，对相似度矩阵进行预处理，包括...
【专利技术属性】
技术研发人员：杨旭，陆昱辰，张相凯，孙立国，吕品，
申请(专利权)人：中国科学院自动化研究所，
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。