[發(fā)明專利]軌跡分類模型的訓(xùn)練方法和裝置、電子設(shè)備

有效

• 申請?zhí)枺?/td>: 201910315099.7
• 申請日: 2019-04-18
• 公開（公告）號: CN109961106B
• 公開（公告）日: 2022-03-18
• 發(fā)明（設(shè)計(jì)）人: 白恩洋;陳科第;周淼;孟泉;王蔚
• 申請（專利權(quán)）人: 北京百度網(wǎng)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(lián)合知識產(chǎn)權(quán)代理有限公司 11112
• 代理人: 彭瑞欣;劉悅晗

本公開提供了一種軌跡分類模型的訓(xùn)練方法，該方法包括：獲取軌跡數(shù)據(jù)，根據(jù)軌跡數(shù)據(jù)的時間特征和空間特征計(jì)算軌跡數(shù)據(jù)的軌跡特征，其中，軌跡特征包括曲率和/或轉(zhuǎn)角，對軌跡特征進(jìn)行訓(xùn)練，得到軌跡分類模型。本公開還提供了一種軌跡分類模型的訓(xùn)練裝置、電子設(shè)備、計(jì)算機(jī)可讀介質(zhì)。

技術(shù)領(lǐng)域

本公開實(shí)施例涉及計(jì)算機(jī)技術(shù)技術(shù)領(lǐng)域，特別涉及軌跡分類模型的訓(xùn)練方法和裝置、電子設(shè)備、計(jì)算機(jī)可讀介質(zhì)。

背景技術(shù)

隨著智能電子采集設(shè)備的快速發(fā)展，可利用智能手機(jī)、車載導(dǎo)航、GPS等設(shè)備搜集到多種軌跡數(shù)據(jù)。而軌跡數(shù)據(jù)為智慧城市、交通規(guī)劃、安排合理出行等方面上，提供了重要的解決思路。對軌跡數(shù)據(jù)地分析利用已是近些年來商業(yè)討論的焦點(diǎn)。

在現(xiàn)有技術(shù)中，例如，通過攝像機(jī)捕捉的圖像序列中分析和理解運(yùn)動目標(biāo)的行為，并對異常行為進(jìn)行報警。行為檢測是智能視覺監(jiān)控的重要功能。基于軌跡數(shù)據(jù)的事件檢測，能夠長時間分析目標(biāo)的行為，從而可以有效的預(yù)測和判斷目標(biāo)的行為，如構(gòu)建4維直方圖等。

發(fā)明內(nèi)容

本公開實(shí)施例提供一種軌跡分類模型的訓(xùn)練方法和裝置、電子設(shè)備、計(jì)算機(jī)可讀介質(zhì)。

第一方面，本公開實(shí)施例提供了一種軌跡分類模型的訓(xùn)練方法，包括：

獲取軌跡數(shù)據(jù)；

根據(jù)所述軌跡數(shù)據(jù)的時間特征和空間特征計(jì)算所述軌跡數(shù)據(jù)的軌跡特征，其中，所述軌跡特征包括曲率和/或轉(zhuǎn)角；

對所述軌跡特征進(jìn)行訓(xùn)練，得到軌跡分類模型。

在一些實(shí)施例中，在所述獲取軌跡數(shù)據(jù)之后，還包括：

對所述軌跡數(shù)據(jù)進(jìn)行預(yù)處理；

則所述根據(jù)所述軌跡數(shù)據(jù)的時間特征和空間特征計(jì)算所述軌跡數(shù)據(jù)的軌跡特征，包括：

根據(jù)預(yù)處理后的軌跡數(shù)據(jù)的時間特征和空間特征計(jì)算所述軌跡特征；

所述預(yù)處理包括：將滿足至少一個條件的所述軌跡數(shù)據(jù)進(jìn)行刪除，得到所述預(yù)處理后的軌跡數(shù)據(jù)；

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(yù)設(shè)區(qū)域范圍的軌跡數(shù)據(jù)的數(shù)量小于預(yù)設(shè)比值。

在一些實(shí)施例中，還包括：

根據(jù)所述軌跡數(shù)據(jù)的時間特征計(jì)算所述軌跡數(shù)據(jù)的采樣時間的時間間隔；

響應(yīng)于各個時間間隔均相同，執(zhí)行所述根據(jù)所述軌跡數(shù)據(jù)的時間特征和空間特征計(jì)算所述軌跡數(shù)據(jù)的軌跡特征。

在一些實(shí)施例中，響應(yīng)于至少一個時間間隔不同，根據(jù)線性差值采樣法以預(yù)設(shè)時間間隔進(jìn)行重采樣，得到重采樣后的軌跡數(shù)據(jù)；

所述根據(jù)所述軌跡數(shù)據(jù)的時間特征和空間特征計(jì)算所述軌跡數(shù)據(jù)的軌跡特征包括：

根據(jù)所述重采樣后的軌跡數(shù)據(jù)的時間特征和空間特征計(jì)算所述軌跡特征。

在一些實(shí)施例中，所述對所述軌跡特征進(jìn)行訓(xùn)練，得到軌跡分類模型，包括：

將所述軌跡數(shù)據(jù)劃分為訓(xùn)練數(shù)據(jù)和校驗(yàn)數(shù)據(jù)；

提取所述訓(xùn)練數(shù)據(jù)對應(yīng)的第一軌跡特征；

根據(jù)機(jī)器學(xué)習(xí)模型對所述第一軌跡特征進(jìn)行訓(xùn)練，得到初始軌跡分類模型；

提取所述校驗(yàn)數(shù)據(jù)對應(yīng)的第二軌跡特征；

根據(jù)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。

在一些實(shí)施例中，所述根據(jù)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：