[发明专利]基于随机森林的空中移动对象识别方法

说明书

本发明提出了一种基于随机森林的空中移动对象识别方法，获取轨迹数据集，进行分段和去噪处理；提取空中移动对象的活动热点区域，并判断每个移动对象所属的热点区域，赋予相应的编号；判断轨迹的运动模式；提取轨迹数据中在各个位置点的运动特征，包括经度、纬度、高度、速度，时长，计算这些特征的最大值、最小值、平均值，以及高度段、速度段、时间段；将所提取出的轨迹特征作为特征参数输入随机森林模型中，训练空中移动对象识别模型；处理轨迹数据测试集，将得到的特征参数输入到步骤5训练的随机森林模型中，得到最终识别结果。

技术领域

本发明属于机器学习技术领域，具体涉及一种基于随机森林的空中移动对象识别方法。

背景技术

随着各类空中飞行器的不断发展，飞机作为其中一种主要的类型，发挥着越来越重要的地位。因此，对空中移动对象的及时有效识别，具有重大的意义。目前国内外对空中移动对象识别的方法，主要有以下几种：①针对飞机旋转部件对雷达回波有调制作用的机理，利用最近邻分类器对飞机进行分类。②利用信息融合的方法识别出飞机型号。③利用BP神经网络。④利用传统树分类器对飞机图像进行分类。但是现有方法较少从空中移动对象的运动轨迹出发，因此对轨迹特征的挖掘与利用不够充分。同时在少数利用轨迹特征的研究中，也大多是根据与历史轨迹匹配时的相似度来进行识别与判断，对于活动轨迹中的典型行为模式也没有进行深入挖掘。

发明内容

本发明的目的在于提出一种基于随机森林的空中移动对象识别方法。

实现本发明目的的技术解决方案为：一种基于随机森林的空中移动对象识别方法，包括：

步骤1：通过传感器探测空中移动对象在航行过程中的位置点集合，形成轨迹数据集，并进行分段和去噪处理；

步骤2：基于步骤1处理后的轨迹数据集，提取空中移动对象的活动热点区域，并判断每个移动对象所属的热点区域，赋予相应的编号；

步骤3：基于步骤1处理后的轨迹数据集，通过典型轨迹模式算法判断轨迹的运动模式；

步骤4：基于步骤1处理后的轨迹数据集，进行轨迹运动特征提取，提取轨迹数据中在各个位置点的运动特征，包括经度、纬度、高度、速度，时长，计算这些特征的最大值、最小值、平均值，以及高度段、速度段、时间段；

步骤5：将轨迹数据集通过步骤2至步骤4所提取出的轨迹特征作为特征参数输入随机森林模型中，训练空中移动对象识别模型；

步骤6：基于步骤1到步骤4处理轨迹数据测试集，将得到的特征参数输入到步骤5训练的随机森林模型中，得到最终识别结果。

本发明与现有技术相比，其显著优点为：(1)不同的空中移动对象，其自身具有的高度、速度等属性不同，可以通过这些属性特征对不同对象进行区分，但是由于会受到各种噪声干扰，仅仅依靠最值和均值等属性特征进行判断，会存在一定的偏差。本发明结合划分的高度区间和速度区间，更好地体现出高度和速度特征，能够更准确地识别不同的空中移动对象。(2)不同的空中移动对象的起飞降落位置以及航线不同，因此其活动的热点区域不同，本发明考虑了频繁活动的热点区域，进一步提高了空中移动对象的识别精度。(3)部分空中移动对象存在相对较为典型的活动轨迹模式，如绕“8”字飞行或绕圈飞行，本发明考虑了空中移动对象的航行轨迹，利用航行轨迹中提取运动模式，能够更加准确地识别具有典型运动模式的空中移动对象。

附图说明

图1是基于随机森林的空中移动对象识别方法的流程图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

第一部分：