科创中国
复杂场景下目标运动预测与意图推理关键技术及应用
发布时间: 2025-11-03
基本信息
合作方式：
技术服务
成果类型：
发明专利,软件著作权,新技术
行业领域：
电子信息技术,大数据应用,分布式处理
成果介绍
目标运动预测与意图推理是海上监视、空管和自主机器人等复杂场景行为决策的关键技术，也是低空目标管控领域的核心研究方向。随着空间环境日益复杂及无人系统技术成熟，如何在目标密集、行为多变的环境中实现高效预测与推理，已成为学术界与产业界共同关注的难点。
在国家自然科学基金等项目支持下，本项目创新提出软硬协同的图数据融合、无监督运动预测与多模态动态自适应推理等方法，构建了完整的目标运动预测与意图推理技术体系，有效解决了多模态数据融合难、运动预测不准和意图推理效果差等问题。
项目成果包括CCF A类等高水平论文59篇、发明专利30项、软著17项，并入选2023年度国际测试委员会芯片领域全球代表性成果集。2025年经院士领衔的成果评价委员会认定，项目“技术复杂、研发难度大、创新性强，整体技术达国际先进水平，其中基于软硬件协同的图数据融合方法达到国际领先水平”。
成果亮点
本项目主要涉及以下三个方面的创新：
1.提出了基于软硬协同的图数据融合技术，解决了异构计算环境下目标运动预测和意图推理效率低的难题，实现了缺失及不确定数据环境下图数据的高效重构。针对复杂战场环境下的大规模图数据处理效率低下的问题，构建了基于软硬件协同的图数据融合技术，实现了并行加速器上亿级图数据的高效处理。
2. 提出了基于无监督的目标运动预测方法，解决了复杂场景下大数据目标碎片带来的航迹挖掘难的问题，提高了信息不完备条件下目标或群体运动预测能力。针对复杂场景下大数据中目标碎片化带来的信息重构能力受限的问题，提出了基于栅格聚类的多尺度多层次目标碎片信息重构方法，实现了目标身份全息视图的高效重构。
3. 提出了多模态动态自适应的意图推理方法，研制了基于数据模型双驱动的应用平台，解决了场景快速切换导致的偏移难题，提升了不同场景推理结果准确性。针对战场场景快速切换导致的偏移难题，提出了一种基于元优化与记忆网络的轻量化元学习架构，实现场景迁移的小样本快速学习；针对专家静态知识库的局限性和滞后性带来的场景识别准确率低的难题，提出基于动态演化知识图谱推理的目标意图识别方法。
团队介绍
项目团队来自武汉大学、中山大学、中船709研究所等单位。拥有1个国家级科研平台（国家多媒体软件工程技术研究中心），5个省部级科研平台（多媒体网络通信工程湖北省重点实验室、湖北软件评测中心、湖北省公共财政与经济运行大数据工程技术研究中心、刑事侦察视频图像特征比对分析湖北省产业技术创新基地、国家药品监督管理局医疗器械监管科学研究基地），4个校级科研平台（武汉大学人工智能研究院、武汉大学人工智能医疗器械监管科学研究院、武汉大学复杂网络研究中心、武汉大学语言与信息研究中心）。此外，还设有5个内设科研所（人工智能研究所、网络研究所、大数据研究所、智能化软件与服务研究所、前沿交叉技术研究所）。学院在软件工程、多媒体音视频技术、数据库、高性能计算、计算机网络等传统优势学科方向上形成鲜明特色，同时，在人工智能、软件服务工程、大数据等新兴方向上取得了一批优秀科研成果，具体包括智能化软件与服务、新型智慧城市、智慧健康、自主驾驶与智能网联汽车、智能感知、智慧金融等。
成果资料
下载app