[發明專利]軌跡分類模型的訓練方法和裝置、電子設備

有效

• 申請號: 201910315099.7
• 申請日: 2019-04-18
• 公開（公告）號: CN109961106B
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 白恩洋;陳科第;周淼;孟泉;王蔚
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00
• 代理公司: 北京天昊聯合知識產權代理有限公司 11112
• 代理人: 彭瑞欣;劉悅晗

1.一種軌跡分類模型的訓練方法，包括：

獲取軌跡數據；

根據所述軌跡數據的時間特征和空間特征計算所述軌跡數據的軌跡特征，其中，所述軌跡特征包括曲率和/或轉角；

對所述軌跡特征進行訓練，得到軌跡分類模型；

所述方法還包括：根據所述軌跡數據的時間特征計算所述軌跡數據的采樣時間的時間間隔；響應于至少一個時間間隔不同，根據線性插值采樣法以預設時間間隔進行重采樣，得到重采樣后的軌跡數據；其中，所述根據線性插值采樣法以預設時間間隔進行重采樣為：根據相鄰兩個采樣點的空間特征和時間特征在該兩個相鄰的采樣點之間插入至少一個采樣點；所述根據所述軌跡數據的時間特征和空間特征計算所述軌跡數據的軌跡特征包括：根據所述重采樣后的軌跡數據的時間特征和空間特征計算所述軌跡特征；

在所述獲取軌跡數據之后，還包括：對所述軌跡數據進行預處理；則所述根據所述軌跡數據的時間特征和空間特征計算所述軌跡數據的軌跡特征，包括：根據預處理后的軌跡數據的時間特征和空間特征計算所述軌跡特征；所述預處理包括：將滿足至少一個條件的所述軌跡數據進行刪除，得到所述預處理后的軌跡數據；所述至少一個條件包括：時間特征相同而空間特征不同；空間特征超出預設區域范圍的軌跡數據的數量小于預設比值。

2.根據權利要求1所述的方法，其中，還包括：

響應于各個時間間隔均相同，執行所述根據所述軌跡數據的時間特征和空間特征計算所述軌跡數據的軌跡特征。

3.根據權利要求1至2中任一項所述的方法，其中，所述對所述軌跡特征進行訓練，得到軌跡分類模型，包括：

將所述軌跡數據劃分為訓練數據和校驗數據；

提取所述訓練數據對應的第一軌跡特征；

根據機器學習模型對所述第一軌跡特征進行訓練，得到初始軌跡分類模型；

提取所述校驗數據對應的第二軌跡特征；

根據所述初始軌跡分類模型和所述第二軌跡特征確定所述軌跡分類模型。

4.根據權利要求3所述的方法，其中，所述根據所述初始軌跡分類模型和所述第二軌跡特征確定所述軌跡分類模型，包括：

將所述第二軌跡特征輸入至所述初始軌跡分類模型，得到軌跡分類結果；

響應于所述軌跡分類結果與預設的分類結果的差值大于預設的閾值，對所述機器學習模型的參數進行調整，并根據調整后的機器學習模型對所述第一軌跡特征進行訓練。

5.根據權利要求1至2中任一項所述的方法，其中，所述軌跡特征還包括以下至少一種：

速度、加速度、速度變化的最大值、速度變化的最小值、速度變化的均值、速度變化的中位數、速度變化的方差。

6.一種軌跡分類模型的訓練裝置，包括：

獲取模塊，用于獲取軌跡數據；其中，所述軌跡數據是基于固定采樣頻率而獲得；

計算模塊，用于根據所述軌跡數據的時間特征和空間特征計算所述軌跡數據的軌跡特征，其中，所述軌跡特征包括曲率和/或轉角；

訓練模塊，用于對所述軌跡特征進行訓練，得到軌跡分類模型；

所述裝置還包括：所述計算模塊還用于，根據所述軌跡數據的時間特征計算所述軌跡數據的采樣時間的時間間隔；重采樣模塊，用于響應于至少一個時間間隔不同，根據線性插值采樣法以預設時間間隔進行重采樣，得到重采樣后的軌跡數據；所述計算模塊具體用于，根據所述重采樣后的軌跡數據的時間特征和空間特征計算所述軌跡特征；

所述裝置還包括：預處理模塊，用于對所述軌跡數據進行預處理；則所述計算模塊具體用于，根據預處理后的軌跡數據的時間特征和空間特征計算所述軌跡特征；所述預處理包括：將滿足至少一個條件的所述軌跡數據進行刪除，得到所述預處理后的軌跡數據；所述至少一個條件包括：時間特征相同而空間特征不同；空間特征超出預設區域范圍的軌跡數據的數量小于預設比值。

7.根據權利要求6所述的裝置，其中，

所述計算模塊還用于，響應于各個時間間隔均相同，由所述計算模塊執行所述根據所述軌跡數據的時間特征和空間特征計算所述軌跡數據的軌跡特征。