[发明专利]基于知识图谱的目标识别方法、装置、系统、存储介质

说明书

本发明公开了一种基于知识图谱的目标识别方法、装置、系统、存储介质，其中方法包括：对目标识别过程进行分析，分析目标识别过程中基于不同维度的目标之间内在关系；根据不同维度的目标之间内在关系获取目标数据；对非结构化数据进行自然语言处理，并对自然语言处理后的非结构化数据及半结构化数据利用机器学习算法进行处理，对结构化数据以及非结构化数据和半结构化数据进行数据转换，获得待处理数据；对待处理数据利用机器学习算法进行知识抽取以及知识融合，获取知识图谱，并将获取的知识图谱存储于图数据库；基于知识图谱通过构建智能推理模型识别目标。本发明采用基于知识图谱的目标识别方法，在较短的时间内准确的完成目标的识别。

技术领域

本发明涉及目标识别技术领域，尤其涉及一种基于知识图谱的目标识别方法、装置、系统、存储介质。

背景技术

知识图谱是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互关系。

目标识别在目标追踪过程中起着非常关键的作用，是指挥员指挥判断的依据，影响到人力分配、时机把握和追踪结果，历次追踪中也存在逃脱的结果。为了提高目标识别的能力，目标识别技术正在向智能化方向发展。

目前，对于目标识别的研究方法包括：基于模糊神经网络的识别方法、基于置信规则库的识别方法、基于多特征判别的识别方法。基于模糊神经网络的识别方法，该方法通过目标和目标属性构建训练样本，训练神经网络得到不同目标对应的输出函数和条件模糊隶属度函数，利用输出函数和隶属度函数构建目标识别模型，完成目标的识别，该方法识别目标所用的时间较长，存在识别效率低的问题。基于置信规则库的目标识别方法，该方法将置信规则库识别模型应用到目标的识别中，构建参数优化模型，将差分进化算法引入置信规则库识别模型中结合专家意见完成目标的识别，该方法得到的识别结果与实际不符，存在识别准确率低的问题。基于多特征判别的目标识别方法，该方法通过采集监控视频信息、目标种类、目标位置、目标状态等信息，利用多特征融合方法融合上述信息，确定目标位置和身份，完成目标识别，该方法融合信息的过程中易出现差错，存在识别准确率低的问题。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的是提供一种基于知识图谱的目标识别方法，在较短的时间内准确的完成目标的识别。

本发明所采用的技术方案是：

第一方面，本发明提供一种基于知识图谱的目标识别方法，包括：

对目标识别过程进行分析，分析所述目标识别过程中基于不同维度的所述目标之间内在关系；根据所述不同维度的所述目标之间内在关系获取目标数据，所述目标数据包括：非结构化数据、半结构化数据以及结构化数据；对所述非结构化数据进行自然语言处理，并对所述自然语言处理后的所述非结构化数据及所述半结构化数据利用机器学习算法进行处理，对所述结构化数据以及利用所述机器学习算法处理后的所述非结构化数据和所述半结构化数据进行数据转换，获得待处理数据；对所述待处理数据利用所述机器学习算法进行知识抽取以及知识融合，获取所述目标识别对应的知识图谱，并将处理后的所述目标数据存储于图数据库；基于所述知识图谱通过构建智能推理模型识别目标。

进一步地，所述不同维度包括时空维度、实体维度、事件维度。

进一步地，所述获取目标数据包括从出入记录、监控记录、档案信息、车程信息自动抽取所述目标数据。

进一步地，所述对所述非结构化数据进行自然语言处理包括通过数据处理算法和数据挖掘算法进行处理，所述数据处理算法包括：分词算法、词性标注算法、句法分析算法、命名实体识别算法、文本聚类算法和文本分类算法，所述数据挖掘算法包括：频繁项挖掘算法。