公开(公告)号：CN117332312A

公开(公告)日：2024-01-02

申请号：CN202311228338.8

申请日：2023-09-21

Applicant: 电信科学技术第五研究所有限公司

Inventor： 张巍 ,  王超 ,  蒋美菊 ,  杨森 ,  杨光萍

IPC: G06F18/241 ,  G06F18/214 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/25

Abstract: 本发明提供一种基于深度学习的行为识别方法、介质及装置，所述方法包括如下步骤：步骤一、获取行为轨迹数据；步骤二、预处理行为轨迹数据；步骤三、使用预处理后的行为轨迹数据构建行为轨迹数据集；步骤四、使用基于深度学习的行为识别模型训练行为轨迹数据集，损失函数收敛后停止训练，得到行为识别模型的权重文件；步骤五、对待识别的行为轨迹数据按照步骤二进行预处理，得到待识别行为样本；步骤六、使用基于深度学习的行为识别模型和训练好的权重文件，对待识别行为样本进行行为识别，得到该待识别的行为轨迹数据的行为类型。本发明具有较高的准确率、较广的应用范围以及较好的通用性。

公开(公告)号：CN117332207A

公开(公告)日：2024-01-02

申请号：CN202311228341.X

申请日：2023-09-21

Applicant: 电信科学技术第五研究所有限公司

Inventor： 张巍 ,  蒋美菊 ,  杨光萍 ,  杨森 ,  王超

IPC: G06F18/10 ,  G06F18/213 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于深度学习的长时间航迹预测方法、介质及装置，所述方法包括如下步骤：步骤一、获取航迹数据；步骤二、预处理航迹数据；步骤三、使用预处理后的航迹数据构建航迹数据集；步骤四、使用基于深度学习的长时间航迹预测模型训练航迹数据集，损失函数收敛后停止训练，得到长时间航迹预测模型的权重文件；步骤五、对待预测的航迹数据通过步骤二进行预处理，得到待预测航迹样本；步骤六、使用基于深度学习的长时间航迹预测模型和训练好的权重文件，对待预测航迹样本进行长时间航迹预测，得到预测航迹。本发明具有较高的准确率、较广的应用范围以及较好的通用性。

公开(公告)号：CN119989012A

公开(公告)日：2025-05-13

申请号：CN202510075396.4

申请日：2025-01-17

Applicant: 电信科学技术第五研究所有限公司

Inventor： 张巍 ,  张永红 ,  杨森 ,  韩中林 ,  高翔

IPC: G06F18/23 ,  G06F18/22 ,  G06F18/25

Abstract: 本申请公开了一种多传感器轨迹融合方法、装置、设备、存储介质及计算机产品，涉及数据处理技术领域，方法包括：基于轨迹的时间信息和空间分布信息，对多个传感器采集的多个轨迹先后进行时间聚类处理和空间聚类处理，得到多传感器轨迹聚类簇，对多传感器轨迹聚类簇中的所有轨迹进行融合，得到对应目标对象的融合轨迹。本申请首先根据时间信息，对各传感器采集的多个轨迹进行第一聚类处理，形成初步的轨迹聚类，以实现每个聚类簇独立的分析处理，减少后续计算的复杂度，随后根据空间分布信息确定出各条轨迹的空间分布情况，以进一步减少传感器轨迹融合的计算数据量，具有提升多传感器轨迹融合效率的技术效果。

公开(公告)号：CN117332028A

公开(公告)日：2024-01-02

申请号：CN202311228336.9

申请日：2023-09-21

Applicant: 电信科学技术第五研究所有限公司

Inventor： 张巍 ,  杨森 ,  蒋美菊 ,  王超 ,  杨光萍

IPC: G06F16/29 ,  G06F16/215 ,  G06F16/2458 ,  G06F16/25 ,  G06F16/9537

Abstract: 本发明提供一种基于低精度随机采样数据的轨迹识别分组方法，包括如下步骤：步骤一、获取低精度随机采样轨迹点数据；步骤二、预处理低精度随机采样轨迹点数据，得到时间相同轨迹点数据和时间不同轨迹点数据；步骤三、使用时间不同轨迹点数据构建距离矩阵MD和时间矩阵MT；步骤四、基于距离矩阵MD和时间矩阵MT，构建时空可达矩阵MST；步骤五、基于时空可达矩阵MST，获取时空可达关键点集；步骤六、基于时空可达关键点，通过获取时空可达相邻点集进行轨迹点分组；步骤七、将时间相同轨迹点数据，根据步骤六的轨迹点分组进行聚合。本发明具有更高的时效性以及更广的适用性。