[发明专利]一种基于双向长短时神经网络的渔船行为智能监控算法

权利要求书

1.一种基于双向长短时神经网络的渔船行为智能监控算法，涉及图像识别领域，其特征在于，基于渔船上北斗定位回传的序贯位置数据，利用具备时序分析能力的双向长短时神经网络手段对海上渔船目标进行智能意图识别和作业行为分析，判断及预测当前渔船是在进行围网作业、拖网作业还是刺网作业，从而进行鱼情预报、捕捞行为干预、异常行为甄别等。

2.如权利要求1所述的一种基于双向长短时神经网络的渔船行为智能监控算法，其特征在于，所述方法包括以下步骤：

步骤1、对回传北斗数据进行归一化处理；

步骤2、数据清洗与数据集构建；

步骤3、双向长短时神经网络模型训练；

步骤4、渔船做业行为预测。

3.如权利要求2所述的一种基于双向长短时神经网络的渔船行为智能监控算法，其特征在于，所述步骤1是指根据选取的属性对数据进行归一化：

式中，x为监测到的特征，x_min为该特征的最小值，x_max为该特征的最大值。

4.如权利要求3所述的一种基于双向长短时神经网络的渔船行为智能监控算法，其特征在于，所述归一化最终将每个特征的范围归一为0～1。

5.如权利要求4所述的一种基于双向长短时神经网络的渔船行为智能监控算法，其特征在于，所述步骤2中所述双向长短时神经网络的数据输入结构一般是[样本数，时间窗口长度，特征数]形状的三维数组。

6.如权利要求5所述的一种基于双向长短时神经网络的渔船行为智能监控算法，其特征在于，设置L为样本构建的所述时间窗口长度，L根据实际使用情况酌情选择。

7.如权利要求6所述的一种基于双向长短时神经网络的渔船行为智能监控算法，其特征在于，所述数据构建引入了一种滑动回归的方法。

8.如权利要求7所述的一种基于双向长短时神经网络的渔船行为智能监控算法，其特征在于，即在原始时间序列S＝{x₁,x₂,…x_i…x_T}上，其中T为总时间序列的长度，x_i代表第i个时间点的数据，是一个d维向量，d代表特征的数量；给定一个所述L，也就是以所述L，在原始时间序列以t为步长进行滑动回归，构建出由{x₁,x₂,…x_L,y₁},{x_t+1,x_t+2,…x_t+L,y_t}等组成的样本；其中y_t代表第t个样本的标签，即渔船做业方式。

9.如权利要求8所述的一种基于双向长短时神经网络的渔船行为智能监控算法，其特征在于，将所述步骤2中处理完成的数据样本的对应渔船做业方式标签采用One-hot编码及其对应的多维特征为输入，输入到所述双向长短时记忆神经网络中，利用所述双向长短时记忆神经网络的结构特点，对数据进行空间特征提取和时间特征提取，所述双向长短时记忆神经网络的后连接一个Softmax分类器，将渔船捕捞行为预测问题转为分类问题，得到智能预测结果，网络训练使用交叉熵作为代价函数来计算损失值。

10.如权利要求9所述的一种基于双向长短时神经网络的渔船行为智能监控算法，其特征在于，对于后续接收到的北斗序贯数据，按照所述步骤1和所述步骤2进行归一化及清洗，随后将利用所述步骤3生成的模型输入进行预测，得到此时未知渔船的做业行为预测结果。