买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西北工业大学申请的专利基于时空注意力度量网络的中断目标航迹接续关联方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117033915B 。

龙图腾网通过国家知识产权局官网在2025-09-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310791168.8，技术领域涉及：G06F18/15；该发明授权基于时空注意力度量网络的中断目标航迹接续关联方法是由邓鑫洋;李林博;耿杰;蒋雯设计研发完成，并于2023-06-29向国家知识产权局提交的专利申请。

本基于时空注意力度量网络的中断目标航迹接续关联方法在说明书摘要公布了：本发明公开了一种基于时空注意力度量网络的中断目标航迹接续关联方法，该方法设计了带有循环注意力机制的目标航迹时序信息提取模块和带有空间注意力机制的目标航迹空间信息提取模块，放大网络学习过程中目标航迹关键属性和节点的权重，并通过对称损失函数保证节点之间特征权重的对称性。此外，为了降低网络学习过程中的信息损失，本发明还将时序信息提取模块的输出与空间信息提取模块的输出拼接形成最终的特征向量。本发明方法降低了网络学习过程中的信息损失，实现了出色的中断目标航迹接续关联性能。

本发明授权基于时空注意力度量网络的中断目标航迹接续关联方法在权利要求书中公布了：1.一种基于时空注意力度量网络的中断目标航迹接续关联方法，其特征在于，包括如下步骤： 步骤1：对原始长度为L的目标完整航迹集T＝{T1,…,Tn}进行截断，截断间距f表示航迹的中断长度，截断长度l表示截断后航迹长度，以此构建目标中断前航迹集Told＝{Told_1,…,Told_n}和中断后航迹集Tnew＝{Tnew_1,…,Tnew_n}； 步骤2：分别从两部分航迹集中选择一组航迹{Told,Tnew}，重复若干次，构建目标航迹对训练集Ttrain＝{Told,Tnew}N和测试集Ttrain＝{Told,Tnew}n-N，并对两部分训练集的数据进行MIN-MAX处理； 步骤3：将训练集中的目标航迹对Ttrain＝{Told,Tnew}N输入带有注意力机制的时空度量网络，学习能够接续中断航迹的不连续时空特征，并将学习到的特征转化为大小为N的特征向量；具体步骤如下： 步骤3-1：目标航迹对通过循环注意力机制模块，该模块由两层ReLU和一层softmax组成，生成对应输入航迹对每个属性的权重；属性权重与输入航迹对加权求和，保证在网络学习过程中放大对目标更重要的属性权重； 步骤3-2：将步骤3-1中获得的新目标航迹对，通过具有三层LSTM的时序信息提取模块，转化为目标航迹节点之间的空间特征图，该空间特征图中的每个位置表示对应位置节点之间的特征关系，具有对称性； 步骤3-3：步骤3-2中获得的空间特征图经过空间注意力机制模块，空间注意力机制模块由3×3卷积核和sigmoid层组成，模块中生成具有对称性的空间注意力权重，表示节点之间特征关系的重要程度，同时将空间注意力权重与空间特征图进行加权求和； 步骤3-4：将双重注意力机制加权后的空间特征图分别经过1×1和3×3的卷积核进行多尺度空间特征提取； 步骤3-5：将多尺度提取后的特征经过三层的3×3残差卷积核，进一步提取其中的特征，再经全连接层转化为大小为N的特征向量； 步骤4：利用对抗损失函数约束网络学习的目标和方向，定义Q1和Q2分别为两段航迹经步骤3-5输出的特征向量，DQ1,Q2表示其之间的欧式距离，l为中断航迹对同一性标签，当一对中断航迹属于同一条完整航迹，l＝1，反之l＝0；aij和wij分别表示步骤3-2中空间特征图和步骤3-3中空间注意力权重矩阵的对应位置值；对抗损失函数设置如下： 在该损失函数的约束下，不断重复完成网络的参数训练； 步骤5：在训练完成的网络中，输入测试集中的目标航迹对TE1和TE2，根据两条航迹对应的特征向量Q1、Q2之间的距离以及目标关联阈值M，判断对应的航迹对是否进行关联。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。