[发明专利]一种采用Bi-LSTM神经网络的目标跟踪方法

权利要求书

1.一种采用Bi-LSTM神经网络的目标跟踪方法，其特征在于，包括以下步骤：

步骤1：利用GPS传感器完成数据收集，获取目标运动数据，包括纬度、经度和速度，得到目标跟踪训练集和测试集，并对数据集中的数据进行归一化处理，具体为：

其中m表示归一化处理后的数据，x和分别表示需要归一化处理的数据和其均值，δ表示需要处理数据的标准差；

步骤2：初始化Bi-LSTM神经网络参数，包括学习率、迭代次数、隐含层节点数和时间步长，将步骤1中得到的归一化后的训练集数据按时序输入至Bi-LSTM神经网络的输入层；

步骤3：利用时序上前n组数据预测第n+1组数据，得到全部数据的预测结果，n为时间步长；

步骤4：将预测值与实际值进行比较，计算其均方误差：

其中，y_i为所选样本第i个数据的真实值，y′_i为经过神经网络得到的预测值；

步骤5：根据均方误差采用反向传播算法优化神经网络模型的权重和偏置；

步骤6：判断是否达到迭代次数，若达到迭代次数则执行步骤7，若未达到迭代次数，则返回执行步骤3；

步骤7：将目标跟踪测试集中的数据按时序输入训练完成后的神经网络模型中，得到测试集的预测数据集并对预测数据进行解析处理，解析处理具体为：

其中m₁表示预测数据，x₁表示解析后的预测数据，表示测试集数据均值，δ表示测试集数据的标准差。

2.根据权利要求1所述的一种采用Bi-LSTM神经网络的目标跟踪方法，其特征在于：步骤2所述的Bi-LSTM神经网络为：包括多维输入输出层和两层隐含层，输入层维度为3，包括经度、纬度和速度数据；输出层维度为3，输出经度、纬度、速度数据；Bi-LSTM隐含层包括两个LSTM的隐含层，其传播方向分为前向传播和反向传播，两个隐含层分别与输入层和输出层按权重参数和偏置参数相连接，隐含层之间没有连接。