CN114220054A - 基于装备总线数据分析装备战术动作并同步展示的方法 - Google Patents

基于装备总线数据分析装备战术动作并同步展示的方法 Download PDF

Info

Publication number
CN114220054A
CN114220054A CN202111536719.3A CN202111536719A CN114220054A CN 114220054 A CN114220054 A CN 114220054A CN 202111536719 A CN202111536719 A CN 202111536719A CN 114220054 A CN114220054 A CN 114220054A
Authority
CN
China
Prior art keywords
equipment
data
tactical
bus data
analyzing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111536719.3A
Other languages
English (en)
Other versions
CN114220054B (zh
Inventor
张祚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Zhongke Zhiyi Technology Co ltd
Original Assignee
Beijing Zhongke Zhiyi Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Zhongke Zhiyi Technology Co ltd filed Critical Beijing Zhongke Zhiyi Technology Co ltd
Priority to CN202111536719.3A priority Critical patent/CN114220054B/zh
Publication of CN114220054A publication Critical patent/CN114220054A/zh
Application granted granted Critical
Publication of CN114220054B publication Critical patent/CN114220054B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/22—Parsing or analysis of headers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明提供一种基于装备总线数据分析装备战术动作并同步展示的方法，属于数据采集及分析技术领域。该方法包括：获取装备的总线数据；对所述装备的总线数据进行解析分析，得到装备的战术动作数据；根据所述装备的战术动作数据展示装备的战术动作。本发明适用于一些无法直视装备的战术动作变化的情况，能够使得相关人员可以直观、清楚地观察装备的战术动作变化，从而更好地把控装备动作。

Description

基于装备总线数据分析装备战术动作并同步展示的方法
技术领域
本发明涉及数据采集及分析技术领域，具体涉及一种基于装备总线数据分析装备战术动作并同步展示的方法。
背景技术
这个时代国家的安全需要各种各样的装备来支撑，作战装备、侦察装备等。且这些装备需要不断地迭代更新，并需要研发出新的装备。在迭代更新和研发新装备的过程中，需要对其进行评测，以了解装备的优点和需要改进的地方，保证其可靠性。
其中，装备的战术动作也是需要进行评测的一个方面，但是，在一些特殊地区使用的装备因为其装备本身的限制以及环境因素的限制，在其工作时无法近距离观察。
发明内容
因此，本发明实施例要解决的技术问题在于克服现有技术中的一些装备的战术动作无法近距离观察的缺陷，从而提供一种基于装备总线数据分析装备战术动作并同步展示的方法。
为此，本发明提供一种基于装备总线数据分析装备战术动作并同步展示的方法，其特征在于，包括以下步骤：
S1：获取装备的总线数据；
S2：对所述装备的总线数据进行解析分析，得到装备的战术动作数据；
S3：根据所述装备的战术动作数据展示装备的战术动作。
可选的，所述对所述装备的总线数据进行解析分析，得到装备的战术动作数据之前，还包括：
获取图像采集设备采集到的装备的战术动作的视频数据；
所述对所述装备的总线数据进行解析分析，得到装备的战术动作数据，包括：
将所述视频数据和所述装备的总线数据按照时间进行对应关联；
对对应关联后的所述视频数据和所述装备的总线数据进行挖掘分析，得到所述装备的战术动作数据。
可选的，所述对对应关联后的所述视频数据和所述装备的总线数据进行挖掘分析，得到所述装备的战术动作数据，包括：
通过帧对减和背景建模，从所述视频数据中获取初步的第一装备图像区域；
从所述第一装备图像区域中获取更加精确的第二装备图像区域；
对所述第二装备图像区域，通过多层次定位得出连通区域集；
根据所述连通区域集进行所述装备的活动部位的切分；
通过跟踪器不断记录和比对所述活动部位的外形轮廓，记录下所述活动部位完整的移动轨迹，和/或，各所述活动部位之间的相对位置关系，和/或，各所述活动部位与装备主体之间的相对位置关系；
根据所述活动部位完整的移动轨迹，和/或，各所述活动部位之间的相对位置关系，和/或，各所述活动部位与装备主体之间的相对位置关系，确定可能的战术动作；
利用所述可能的战术动作对根据所述总线数据确定的战术动作进行确定。
可选的，所述从所述第一装备图像区域中获取更加精确的第二装备图像区域，包括：
针对所述第一装备图像区域，分别提取所述装备的多个不同特征；所述多个不同特征包括边缘特征、纹理特征和空间形状特征；
利用概率标准化算法，对所述多个不同特征进行归一化处理；
利用主成分分析算法，对归一化后的所述多个不同特征进行处理；
基于主成分分析算法处理后的所述多个不同特征，利用训练完成的神经网络模型，获取所述第二装备图像区域。
可选的，所述从所述第一装备图像区域中获取更加精确的第二装备图像区域，包括：
获取利用聚类算法训练出的所述装备的图像分割阈值；
利用所述图像分割阈值对所述第一装备图像区域进行分割，得到所述第二装备图像区域。
可选的，所述对所述装备的总线数据进行解析分析，得到装备的战术动作数据，包括：
获取所述装备的全部战术动作分别对应的总线数据特征；
对所述总线数据进行解析分析，得到对应的数据特征，并与所述总线数据特征进行对比分析；
获取与所述数据特征匹配的所述总线数据特征对应的战术动作。
可选的，所述对所述总线数据进行解析分析，得到对应的数据特征，包括：
对所述总线数据进行筛选，从中筛选出与所述装备的战术动作相关的数据；
将筛选后的所述总线数据按照信号类型的不同进行分类；
针对每一类所述总线数据，按照对应的数据解析规则，对所述总线数据进行解析；
将解析完成的所述总线数据按照时间顺序进行排列、并进行时间分片；
针对各所述时间分片内的所述总线数据，利用多层稀疏堆栈自编码器对各时间分片内的所述总线数据提取相应的特征信息；
利用聚合函数对提取的所述特征信息进行聚合，生成对应的特征向量作为所述数据特征。
可选的，所述针对每一类所述总线数据，按照对应的数据解析规则，对所述总线数据进行解析，包括：
将所述总线数据与相应类对应的总线数据词条库中的词条匹配，按照匹配到的词条进行分词处理；
根据所述总线数据词条库中各词条对应的词义，确定分词得到的词条的语义。
可选的，所述根据所述装备的战术动作数据展示装备的战术动作，包括：
获取第一三维模型和第二三维模型，所述第一三维模型包括为所述装备上除活动部位以外的装备主体的三维模型，所述第二三维模型为一个或多个，每一所述第二三维模型为所述装备上的一个活动部位的三维模型，且每一所述第二三维模型所对应的活动部位仅能够相对于其他部件活动、内部的部件之间固定；
根据所述装备的战术动作数据确定每一所述活动部位上的各特征点相对所述装备主体的活动轨迹和/或与相邻的所述活动部位或所述装备主体之间的相对位置关系的变化信息；
根据每一所述活动部位上的各特征点相对所述装备主体的活动轨迹和/或与相邻的所述活动部位或所述装备主体之间的相对位置关系的变化信息，生成所述装备的三维模型的动态图像；
显示所述三维模型的动态图像。
可选的，所述根据所述装备的战术动作数据确定每一所述活动部位上的各特征点相对所述装备主体的活动轨迹和/或与相邻的所述活动部位或所述装备主体之间的相对位置关系的变化信息，包括：
确定所述活动部位中的第一活动部位上各特征点相对所述装备主体的第一初始活动轨迹；
根据所述装备的战术动作数据确定与所述第一活动部位直接活动连接的第二活动部位的动作；
根据所述第二活动部位的重量分布和所述第二活动部位的动作对所述第一初始活动轨迹进行修正，得到所述第一活动部位上各特征点相对所述装备主体的第一活动轨迹；
根据所述第二活动部位的动作、所述第一活动部位上与所述第二活动部位相邻的特征点相对所述装备主体的所述第一活动轨迹、所述第一活动部位与所述第二活动部位之间的连接参数和所述第二活动部位的重量分布，确定所述第二活动部位上各特征点相对所述装备主体的第二初始活动轨迹。
本发明实施例的技术方案，具有如下优点：
本发明实施例提供的基于装备总线数据分析装备战术动作并同步展示的方法，通过采集装备的总线数据并对其进行解析，得到装备的战时动作数据，并依据装备的战术动作数据实时展示装备的战术动作，适用于一些无法直视装备的战术动作变化的情况，能够使得相关人员可以直观、清楚地观察装备的战术动作变化，从而更好地把控装备动作。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中基于装备总线数据分析装备战术动作并同步展示的方法的一个具体示例的流程图；
图2为本发明实施例中结合视频数据和总线数据进行装备的战术动作分析的一个具体示例的流程图；
图3为本发明实施例中基于视频数据进行装备的战术动作分析的一个具体示例的流程图；
图4为本发明实施例中装备的战术动作展示的一个具体示例的流程图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，本文所用的术语仅用于描述特定实施例的目的，而并非旨在限制本发明。除非上下文明确指出，否则如本文中所使用的单数形式“一”、“一个”和“该”等意图也包括复数形式。使用“包括”和/或“包含”等术语时，是意图说明存在该特征、整数、步骤、操作、元素和/或组件，而不排除一个或多个其他特征、整数、步骤、操作、元素、组件、和/或其他组合的存在或增加。术语“和/或”包括一个或多个相关列出项目的任何和所有组合。术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通；可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本实施例提供一种基于装备总线数据分析装备战术动作并同步展示的方法，如图1所示，包括以下步骤：
S1：获取装备的总线数据；
S2：对所述装备的总线数据进行解析分析，得到装备的战术动作数据；
S3：根据所述装备的战术动作数据展示装备的战术动作。
其中，获取装备的总线数据可以是通过安装总线数据采集设备来对装备的总线数据进行采集，然后通过加密无线网络进行传输。上述过程可以实时进行，也即实时地采集装备的总线数据、实时地对装备的总线数据进行解析分析得到装备的战术动作数据，并实时地根据装备的战术动作数据展示装备的战术动作。
本发明实施例中，通过采集装备的总线数据并对其进行解析，得到装备的战时动作数据，并依据装备的战术动作数据实时展示装备的战术动作，适用于一些无法直视装备的战术动作变化的情况，能够使得相关人员可以直观、清楚地观察装备的战术动作变化，从而更好地把控装备动作。
可选的，如图2所示，步骤S2之前，即所述对所述装备的总线数据进行解析分析，得到装备的战术动作数据之前，还包括：
S101：获取图像采集设备采集到的装备的战术动作的视频数据；
所述对所述装备的总线数据进行解析分析，得到装备的战术动作数据，即步骤S2，包括：
S201：将所述视频数据和所述装备的总线数据按照时间进行对应关联；
S202：对对应关联后的所述视频数据和所述装备的总线数据进行挖掘分析，得到所述装备的战术动作数据。
本发明实施例中，还通过采集视频来辅助识别装备的战术动作。其中，图像采集设备可以安装于所述装备上，能够采集到装备的活动部件在进行战术动作时的完整视频图像。例如图像采集设备可以安装于装备主体的固定部件上。按照时间进行对应关联是以时间分片进行关联的。视频数据中包括装备的战术动作所涉及的活动部位。不同时间分片对应不同的战术动作。
其中，图像采集设备采集得到的视频数据也可以是通过加密无线网络进行传输。另外，对装备的总线数据(或者视频数据和装备的总线数据)进行解析分析得到装备的战术动作数据的设备与装备的战术动作展示设备可以是不同的设备，装备的战术动作数据的传输也可以是通过加密无线网络进行。
具体的，加密无线网络可以是采用军用无线基站搭建的加密局域无线网络(即军用无线局域加密网络)，从而在保证数据传输的便捷性的前提下，还保证了数据传输的安全性和保密性。
可选的，如图3所示，所述对对应关联后的所述视频数据和所述装备的总线数据进行挖掘分析，得到所述装备的战术动作数据，即步骤S202，包括：
S2021：通过帧对减和背景建模，从所述视频数据中获取初步的第一装备图像区域；
S2022：从所述第一装备图像区域中获取更加精确的第二装备图像区域；
S2023：对所述第二装备图像区域，通过多层次定位得出连通区域集；
S2024：根据所述连通区域集进行所述装备的活动部位的切分；
S2025：通过跟踪器不断记录和比对所述活动部位的外形轮廓，记录下所述活动部位完整的移动轨迹，和/或，各所述活动部位之间的相对位置关系，和/或，各所述活动部位与装备主体之间的相对位置关系；
S2026：根据所述活动部位完整的移动轨迹，和/或，各所述活动部位之间的相对位置关系，和/或，各所述活动部位与装备主体之间的相对位置关系，确定可能的战术动作；
S2027：利用所述可能的战术动作对根据所述总线数据确定的战术动作进行确定。
可选的，所述从所述第一装备图像区域中获取更加精确的第二装备图像区域，包括：
针对所述第一装备图像区域，分别提取所述装备的多个不同特征；所述多个不同特征包括边缘特征、纹理特征和空间形状特征；
利用概率标准化算法，对所述多个不同特征进行归一化处理；
利用主成分分析算法，对归一化后的所述多个不同特征进行处理；
基于主成分分析算法处理后的所述多个不同特征，利用训练完成的神经网络模型，获取所述第二装备图像区域。
可选的，所述从所述第一装备图像区域中获取更加精确的第二装备图像区域，包括：
获取利用聚类算法训练出的所述装备的图像分割阈值；
利用所述图像分割阈值对所述第一装备图像区域进行分割，得到所述第二装备图像区域。
进一步可选的，利用聚类算法训练出的所述装备的图像分割阈值的具体过程可以是：
获取装备工作时采集得到的图像作为训练样本；
初始化聚类中心；
根据当前的聚类中心计算隶属函数值；隶属函数为：
Figure BDA0003413285900000081
其中，uj(xi)是第i个训练样本属于第j个聚类的隶属度，mj是第j个聚类的中心，j＝1，2，xi是第i个训练样本，i＝1，2，…，n，β为参数；
根据所述隶属函数值更新所述聚类中心。
可选的，所述对所述装备的总线数据进行解析分析，得到装备的战术动作数据，包括：
获取所述装备的全部战术动作分别对应的总线数据特征；
对所述总线数据进行解析分析，得到对应的数据特征，并与所述总线数据特征进行对比分析；
获取与所述数据特征匹配的所述总线数据特征对应的战术动作。
本发明实施例中，通过提取总线数据的特征进行匹配，可以减少匹配时所需的计算量，提高匹配效率。
其中，与所述数据特征匹配的所述总线数据特征对应的战术动作可以不止一种，这时可以如上所述，利用图像采集设备采集到的装备的战术动作的视频数据唯一确定战术动作。
可选的，所述对所述总线数据进行解析分析，得到对应的数据特征，包括：
对所述总线数据进行筛选，从中筛选出与所述装备的战术动作相关的数据；
将筛选后的所述总线数据按照信号类型的不同进行分类；
针对每一类所述总线数据，按照对应的数据解析规则，对所述总线数据进行解析；
将解析完成的所述总线数据按照时间顺序进行排列、并进行时间分片；
针对各所述时间分片内的所述总线数据，利用多层稀疏堆栈自编码器对各时间分片内的所述总线数据提取相应的特征信息；
利用聚合函数对提取的所述特征信息进行聚合，生成对应的特征向量作为所述数据特征。
其中，时间分片的目的是把不同的动作对应的总线数据分来。
可选的，所述针对每一类所述总线数据，按照对应的数据解析规则，对所述总线数据进行解析，包括：
将所述总线数据与相应类对应的总线数据词条库中的词条匹配，按照匹配到的词条进行分词处理；
根据所述总线数据词条库中各词条对应的词义，确定分词得到的词条的语义。
具体的，对所述总线数据进行解析分析，得到对应的数据特征，并与所述总线数据特征进行对比分析，可以包括：
分别基于树图编辑距离方法计算各个特征的相似度；
根据各个特征对应的权重计算综合相似度；
采用以下公式计算最终的综合相似度：S′＝S+(1+a)(1-a)2,S为综合相似度，a可根据各个特征的相似度的均方差确定。
可选的，如图4所示，步骤S3，即所述根据所述装备的战术动作数据展示装备的战术动作，包括：
S31：获取第一三维模型和第二三维模型，所述第一三维模型包括为所述装备上除活动部位以外的装备主体的三维模型，所述第二三维模型为一个或多个，每一所述第二三维模型为所述装备上的一个活动部位的三维模型，且每一所述第二三维模型所对应的活动部位仅能够相对于其他部件活动、内部的部件之间固定；
S32：根据所述装备的战术动作数据确定每一所述活动部位上的各特征点相对所述装备主体的活动轨迹和/或与相邻的所述活动部位或所述装备主体之间的相对位置关系的变化信息；
S33：根据每一所述活动部位上的各特征点相对所述装备主体的活动轨迹和/或与相邻的所述活动部位或所述装备主体之间的相对位置关系的变化信息，生成所述装备的三维模型的动态图像；
S34：显示所述三维模型的动态图像。
具体的，在获取到所述装备的战术动作数据后可以解析其中的字段并分析动作，然后将战术动作通过三维模型实时地展示出来，从而使得相关人员可以实时查看装备的战术动作，进而实时地判断装备的状态。
可选的，所述根据所述装备的战术动作数据确定每一所述活动部位上的各特征点相对所述装备主体的活动轨迹和/或与相邻的所述活动部位或所述装备主体之间的相对位置关系的变化信息，包括：
确定所述活动部位中的第一活动部位上各特征点相对所述装备主体的第一初始活动轨迹；
根据所述装备的战术动作数据确定与所述第一活动部位直接活动连接的第二活动部位的动作；
根据所述第二活动部位的重量分布和所述第二活动部位的动作对所述第一初始活动轨迹进行修正，得到所述第一活动部位上各特征点相对所述装备主体的第一活动轨迹；
根据所述第二活动部位的动作、所述第一活动部位上与所述第二活动部位相邻的特征点相对所述装备主体的所述第一活动轨迹、所述第一活动部位与所述第二活动部位之间的连接参数和所述第二活动部位的重量分布，确定所述第二活动部位上各特征点相对所述装备主体的第二初始活动轨迹。
具体的，若所述第一活动部位不是直接与所述装备主体连接的活动部位，则参考上述第二活动部位确定初始活动轨迹；
若所述第一活动部位是直接与所述装备主体连接的活动部位，则直接根据所述第一活动部位的动作、所述第一活动部位与所述装备主体之间的连接参数和所述第一活动部位的重量分布确定所述第一活动部位上各特征点相对所述装备主体的第一初始活动轨迹。
具体的，所述根据所述第二活动部位的重量分布和所述第二活动部位的动作对所述第一初始活动轨迹进行修正，得到所述第一活动部位上各特征点相对所述装备主体的第一活动轨迹，包括：
根据所述第一活动部位上各特征点与所述第二活动部位的重心位置之间的距离，确定对应的修正权重；
根据对应的所述修正权重，对所述第一活动部位上的各特征点相对所述装备主体的第一处室活动轨迹进行修正。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种基于装备总线数据分析装备战术动作并同步展示的方法，其特征在于，包括以下步骤：
获取装备的总线数据；
对所述装备的总线数据进行解析分析，得到装备的战术动作数据；
根据所述装备的战术动作数据展示装备的战术动作。
2.根据权利要求1所述的方法，其特征在于，所述对所述装备的总线数据进行解析分析，得到装备的战术动作数据之前，还包括：
获取图像采集设备采集到的装备的战术动作的视频数据；
所述对所述装备的总线数据进行解析分析，得到装备的战术动作数据，包括：
将所述视频数据和所述装备的总线数据按照时间进行对应关联；
对对应关联后的所述视频数据和所述装备的总线数据进行挖掘分析，得到所述装备的战术动作数据。
3.根据权利要求2所述的方法，其特征在于，所述对对应关联后的所述视频数据和所述装备的总线数据进行挖掘分析，得到所述装备的战术动作数据，包括：
通过帧对减和背景建模，从所述视频数据中获取初步的第一装备图像区域；
从所述第一装备图像区域中获取更加精确的第二装备图像区域；
对所述第二装备图像区域，通过多层次定位得出连通区域集；
根据所述连通区域集进行所述装备的活动部位的切分；
通过跟踪器不断记录和比对所述活动部位的外形轮廓，记录下所述活动部位完整的移动轨迹，和/或，各所述活动部位之间的相对位置关系，和/或，各所述活动部位与装备主体之间的相对位置关系；
根据所述活动部位完整的移动轨迹，和/或，各所述活动部位之间的相对位置关系，和/或，各所述活动部位与装备主体之间的相对位置关系，确定可能的战术动作；
利用所述可能的战术动作对根据所述总线数据确定的战术动作进行确定。
4.根据权利要求3所述的方法，其特征在于，所述从所述第一装备图像区域中获取更加精确的第二装备图像区域，包括：
针对所述第一装备图像区域，分别提取所述装备的多个不同特征；所述多个不同特征包括边缘特征、纹理特征和空间形状特征；
利用概率标准化算法，对所述多个不同特征进行归一化处理；
利用主成分分析算法，对归一化后的所述多个不同特征进行处理；
基于主成分分析算法处理后的所述多个不同特征，利用训练完成的神经网络模型，获取所述第二装备图像区域。
5.根据权利要求3所述的方法，其特征在于，所述从所述第一装备图像区域中获取更加精确的第二装备图像区域，包括：
获取利用聚类算法训练出的所述装备的图像分割阈值；
利用所述图像分割阈值对所述第一装备图像区域进行分割，得到所述第二装备图像区域。
6.根据权利要求1或2所述的方法，其特征在于，所述对所述装备的总线数据进行解析分析，得到装备的战术动作数据，包括：
获取所述装备的全部战术动作分别对应的总线数据特征；
对所述总线数据进行解析分析，得到对应的数据特征，并与所述总线数据特征进行对比分析；
获取与所述数据特征匹配的所述总线数据特征对应的战术动作。
7.根据权利要求6所述的方法，其特征在于，所述对所述总线数据进行解析分析，得到对应的数据特征，包括：
对所述总线数据进行筛选，从中筛选出与所述装备的战术动作相关的数据；
将筛选后的所述总线数据按照信号类型的不同进行分类；
针对每一类所述总线数据，按照对应的数据解析规则，对所述总线数据进行解析；
将解析完成的所述总线数据按照时间顺序进行排列、并进行时间分片；
针对各所述时间分片内的所述总线数据，利用多层稀疏堆栈自编码器对各时间分片内的所述总线数据提取相应的特征信息；
利用聚合函数对提取的所述特征信息进行聚合，生成对应的特征向量作为所述数据特征。
8.根据权利要求7所述的方法，其特征在于，所述针对每一类所述总线数据，按照对应的数据解析规则，对所述总线数据进行解析，包括：
将所述总线数据与相应类对应的总线数据词条库中的词条匹配，按照匹配到的词条进行分词处理；
根据所述总线数据词条库中各词条对应的词义，确定分词得到的词条的语义。
9.根据权利要求1所述的方法，其特征在于，所述根据所述装备的战术动作数据展示装备的战术动作，包括：
获取第一三维模型和第二三维模型，所述第一三维模型包括为所述装备上除活动部位以外的装备主体的三维模型，所述第二三维模型为一个或多个，每一所述第二三维模型为所述装备上的一个活动部位的三维模型，且每一所述第二三维模型所对应的活动部位仅能够相对于其他部件活动、内部的部件之间固定；
根据所述装备的战术动作数据确定每一所述活动部位上的各特征点相对所述装备主体的活动轨迹和/或与相邻的所述活动部位或所述装备主体之间的相对位置关系的变化信息；
根据每一所述活动部位上的各特征点相对所述装备主体的活动轨迹和/或与相邻的所述活动部位或所述装备主体之间的相对位置关系的变化信息，生成所述装备的三维模型的动态图像；
显示所述三维模型的动态图像。
10.根据权利要求9所述的方法，其特征在于，所述根据所述装备的战术动作数据确定每一所述活动部位上的各特征点相对所述装备主体的活动轨迹和/或与相邻的所述活动部位或所述装备主体之间的相对位置关系的变化信息，包括：
确定所述活动部位中的第一活动部位上各特征点相对所述装备主体的第一初始活动轨迹；
根据所述装备的战术动作数据确定与所述第一活动部位直接活动连接的第二活动部位的动作；
根据所述第二活动部位的重量分布和所述第二活动部位的动作对所述第一初始活动轨迹进行修正，得到所述第一活动部位上各特征点相对所述装备主体的第一活动轨迹；
根据所述第二活动部位的动作、所述第一活动部位上与所述第二活动部位相邻的特征点相对所述装备主体的所述第一活动轨迹、所述第一活动部位与所述第二活动部位之间的连接参数和所述第二活动部位的重量分布，确定所述第二活动部位上各特征点相对所述装备主体的第二初始活动轨迹。
CN202111536719.3A 2021-12-15 2021-12-15 基于装备总线数据分析装备战术动作并同步展示的方法 Active CN114220054B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111536719.3A CN114220054B (zh) 2021-12-15 2021-12-15 基于装备总线数据分析装备战术动作并同步展示的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111536719.3A CN114220054B (zh) 2021-12-15 2021-12-15 基于装备总线数据分析装备战术动作并同步展示的方法

Publications (2)

Publication Number Publication Date
CN114220054A true CN114220054A (zh) 2022-03-22
CN114220054B CN114220054B (zh) 2023-04-18

Family

ID=80702521

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111536719.3A Active CN114220054B (zh) 2021-12-15 2021-12-15 基于装备总线数据分析装备战术动作并同步展示的方法

Country Status (1)

Country Link
CN (1) CN114220054B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060007156A1 (en) * 2002-10-18 2006-01-12 David Politzer Device for facilitating maintenance of a trackball
CN102722704A (zh) * 2012-06-12 2012-10-10 厦门宸天电子科技有限公司 一种融合视频动态跟踪的车牌识别方法和系统
CN105095391A (zh) * 2015-06-30 2015-11-25 北京奇虎科技有限公司 利用分词程序识别机构名称的装置及方法
US20160123757A1 (en) * 2013-07-12 2016-05-05 BAE Systems Hägglunds Aktiebolag System and method for processing of tactical information in combat vehicles
CN106599052A (zh) * 2016-11-15 2017-04-26 上海跬智信息技术有限公司 一种基于ApacheKylin的数据查询系统及其方法
US20180060751A1 (en) * 2015-03-23 2018-03-01 Thales Method for determining tactical actions
CN109408743A (zh) * 2018-08-21 2019-03-01 中国科学院自动化研究所 文本链接嵌入方法
CN109615614A (zh) * 2018-11-26 2019-04-12 北京工业大学 基于多特征融合的眼底图像中血管的提取方法与电子设备
CN110068250A (zh) * 2019-03-21 2019-07-30 南京砺剑光电技术研究院有限公司 轻武器射击训练智慧靶场系统
CN110462684A (zh) * 2017-04-10 2019-11-15 赫尔实验室有限公司 利用自编码器预测感兴趣对象的移动的系统
CN111125520A (zh) * 2019-12-11 2020-05-08 东南大学 一种面向新闻文本的基于深度聚类模型的事件线抽取方法
CN111611471A (zh) * 2019-02-25 2020-09-01 阿里巴巴集团控股有限公司 一种搜索方法、装置及电子设备
CN111915726A (zh) * 2019-05-10 2020-11-10 中国电力科学研究院有限公司 一种架空输电线路三维场景的构建方法
CN112416865A (zh) * 2020-11-20 2021-02-26 中国建设银行股份有限公司 基于大数据的文件处理方法和装置
CN112989702A (zh) * 2021-03-25 2021-06-18 河北工业大学 一种装备性能分析与预测的自学习方法
CN113642625A (zh) * 2021-08-06 2021-11-12 北京交通大学 一种城市轨道交通乘客个体出行目的推断的方法及系统

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060007156A1 (en) * 2002-10-18 2006-01-12 David Politzer Device for facilitating maintenance of a trackball
CN102722704A (zh) * 2012-06-12 2012-10-10 厦门宸天电子科技有限公司 一种融合视频动态跟踪的车牌识别方法和系统
US20160123757A1 (en) * 2013-07-12 2016-05-05 BAE Systems Hägglunds Aktiebolag System and method for processing of tactical information in combat vehicles
US20180060751A1 (en) * 2015-03-23 2018-03-01 Thales Method for determining tactical actions
CN105095391A (zh) * 2015-06-30 2015-11-25 北京奇虎科技有限公司 利用分词程序识别机构名称的装置及方法
CN106599052A (zh) * 2016-11-15 2017-04-26 上海跬智信息技术有限公司 一种基于ApacheKylin的数据查询系统及其方法
CN110462684A (zh) * 2017-04-10 2019-11-15 赫尔实验室有限公司 利用自编码器预测感兴趣对象的移动的系统
CN109408743A (zh) * 2018-08-21 2019-03-01 中国科学院自动化研究所 文本链接嵌入方法
CN109615614A (zh) * 2018-11-26 2019-04-12 北京工业大学 基于多特征融合的眼底图像中血管的提取方法与电子设备
CN111611471A (zh) * 2019-02-25 2020-09-01 阿里巴巴集团控股有限公司 一种搜索方法、装置及电子设备
CN110068250A (zh) * 2019-03-21 2019-07-30 南京砺剑光电技术研究院有限公司 轻武器射击训练智慧靶场系统
CN111915726A (zh) * 2019-05-10 2020-11-10 中国电力科学研究院有限公司 一种架空输电线路三维场景的构建方法
CN111125520A (zh) * 2019-12-11 2020-05-08 东南大学 一种面向新闻文本的基于深度聚类模型的事件线抽取方法
CN112416865A (zh) * 2020-11-20 2021-02-26 中国建设银行股份有限公司 基于大数据的文件处理方法和装置
CN112989702A (zh) * 2021-03-25 2021-06-18 河北工业大学 一种装备性能分析与预测的自学习方法
CN113642625A (zh) * 2021-08-06 2021-11-12 北京交通大学 一种城市轨道交通乘客个体出行目的推断的方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
欧微: "基于时序特征编码的目标战术意图识别算法", 《指挥控制与仿真》 *

Also Published As

Publication number Publication date
CN114220054B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
US9928423B2 (en) Efficient retrieval of anomalous events with priority learning
US11068737B2 (en) Predicting land covers from satellite images using temporal and spatial contexts
CN110738247B (zh) 一种基于选择性稀疏采样的细粒度图像分类方法
US10592725B2 (en) Neural network systems
CN109934176A (zh) 行人识别系统、识别方法及计算机可读存储介质
CN109978918A (zh) 一种轨迹追踪方法、装置和存储介质
CN101930611B (zh) 多视图面部追踪
US11037022B2 (en) Discovery of shifting patterns in sequence classification
CN111428625A (zh) 一种基于深度学习的交通场景目标检测方法及系统
CN110826453A (zh) 一种通过提取人体关节点坐标的行为识别方法
CN107256017B (zh) 路线规划方法及系统
Wang et al. Combined use of FCN and Harris corner detection for counting wheat ears in field conditions
CN108198172B (zh) 图像显著性检测方法和装置
CN110348516B (zh) 数据处理方法、装置、存储介质及电子设备
CN112215120B (zh) 视觉搜索区域的确定方法、装置及驾驶模拟器
US20170053172A1 (en) Image processing apparatus, and image processing method
CN108805181B (zh) 一种基于多分类模型的图像分类装置及分类方法
CN107437091A (zh) 多层限制玻尔兹曼机的sar图像正负类变化检测方法
CN114220054B (zh) 基于装备总线数据分析装备战术动作并同步展示的方法
CN106951924B (zh) 基于AdaBoost算法的地震相干体图像断层自动识别方法及系统
Celik et al. Change detection without difference image computation based on multiobjective cost function optimization
CN116310913A (zh) 基于小型无人机测量技术的自然资源调查监测方法及装置
CN116258937A (zh) 基于注意力机制的小样本分割方法、装置、终端及介质
CN112561935B (zh) 一种大脑影像智能分类方法、装置和设备
CN115601834A (zh) 基于WiFi信道状态信息的跌倒检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 327, third floor, No. 2, Stadium South Road, Shijingshan District, Beijing 100043

Applicant after: Beijing Zhongke Zhiyi Technology Co.,Ltd.

Address before: Room 327, third floor, No. 2, Stadium South Road, Shijingshan District, Beijing 100043

Applicant before: Beijing Zhongke Zhiyi Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant