[發明專利]一種基于LSTM神經網絡的目標跟蹤方法

在審

• 申請號: 201910041887.1
• 申請日: 2019-01-14
• 公開（公告）號: CN109740742A
• 公開（公告）日: 2019-05-10
• 發明（設計）人: 王宏健;阮力;王瑩;高偉;何姍姍
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于LSTM神經網絡的目標跟蹤方法，其特征在于，包括：

(1)采集目標的經緯度信息和速度信息，將采集的數據進行數據處理；

(2)設計用于單目標跟蹤的LSTM神經網絡結構；

(3)調節LSTM神經網絡參數以實現目標跟蹤。

2.根據權利要求1所述的一種基于LSTM神經網絡的目標跟蹤方法，其特征在于：所述步驟(1)中采集目標的經緯度信息和速度信息后先用人工判別方法剔出錯誤數據，然后對經緯度信息首先進行放大處理，再需要對經緯度進行數據的歸一化處理和數據解析處理，再將處理后的數據分為訓練集和測試集，用訓練集來訓練網絡結構的權重和偏置參數，測試集用來檢測目標跟蹤精度，并計算出目標跟蹤均方誤差值。

3.根據權利要求1所述的一種基于LSTM神經網絡的目標跟蹤方法，其特征在于：所述步驟(2)中設計的LSTM神經網絡結構為具有一層隱含層和多輸入多輸出的神經網絡結構；輸入層的維度是3，其中分別是目標的經度信息、維度信息和速度信息；隱含層的LSTM神經網絡是通過三個δ遺忘門來控制丟棄或增加信息，從而實現遺忘或記憶的功能，除了遺忘門、輸入門和輸出門外，還有輸入單元和輸出單元，門控單元采用的是sigmoid激活函數，輸入輸出單元采用的是tanh激活函數；隱藏節點的個數設定為10個；輸出層的維度是3，激活函數是線性函數，分別輸出目標的經度、維度和速度信息。

4.根據權利要求1所述的一種基于LSTM神經網絡的目標跟蹤方法，其特征在于：所述步驟(3)包括，

(3.1)按時序饋入訓練集數據，每組數據是由目標的經緯度和速度組成的3維量；

(3.2)設定神經網絡內部初始參數；

(3.3)利用LSTM神經網絡設計的目標跟蹤方法將訓練集的第1個到第10個數據作為歷史輸入信息，計算出第11個數據；再將訓練集的第2個數據到第11個數據作為歷史輸入信息，計算出第12個數據，之后的參數以此類推，得到預測的訓練集參數，比較真實訓練集的參數，從而計算訓練集中的損失函數；

(3.4)判斷迭代次數的百位數是否發生進位，若是執行步驟(3.5)，否則跳過步驟(3.5)，執行步驟(3.6)；

(3.5)將學習率乘以衰減速率后作為新的學習率進行調節參數；

(3.6)采用反向優化方法優化神經網絡的權重和偏置參數；

(3.7)判斷是否達到迭代次數，若是則執行步驟(3.8)，若不是則跳轉到步驟(3.3)；

(3.8)按時序饋入測試集數據，將測試集的第1個到第10個數據作為歷史輸入信息預測第11個數據，將測試集的第2個到第11個數據作為歷史輸入信息預測第12個數據，之后的預測數據以此類推，得到輸出維度為三維的數據集和曲線圖，每組數據是由目標的經緯度和速度組成的3維量，分別計算經度、維度和速度的均方誤差根，分析目標跟蹤試驗效果。