基于深度卷积神经网络的轨迹分类方法及其系统

本申请公开了一种基于深度卷积神经网络的轨迹分类方法，包括：基于待分类的原始轨迹数据，进行数据清洗和数据格式转换，输出压缩的网格序列；将压缩的网格序列的编码输入预构建的静态轨迹分类模型，通过双向长短期记忆网络提取轨迹序列中的上下文信息，采用多头自注意力机制结合分块最大池化方法，提取轨迹语义信息，综合输出轨迹的静态信息分类结果；将压缩前的网格序列的编码转换为单通道灰度图，输入预构建的时空图像轨迹分类模型进行特征提取分类，输出轨迹的动态图像信息分类结果；其中，所述轨迹图像分类模型采用改进的卷积神经网络。本发明采用静态与动态轨迹信息分类方法相结合，有效地利用整个网格序列，在轨迹分类任务上取得性能提升。