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！

龙图腾网获悉中国矿业大学申请的专利一种动态时空语义联合嵌入的煤矿井下矿工轨迹识别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：CN116524227B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202310173792.1，技术领域涉及：G06V10/764；该发明授权一种动态时空语义联合嵌入的煤矿井下矿工轨迹识别方法是由张磊;侯萱;刘佰龙;梁志贞;邓宇帆设计研发完成，并于2023-02-28向国家知识产权局提交的专利申请。

本一种动态时空语义联合嵌入的煤矿井下矿工轨迹识别方法在说明书摘要公布了：一种动态时空语义联合嵌入的煤矿井下矿工轨迹识别方法，属于煤矿井下数据分析技术领域。利用煤矿井下矿工轨迹数据设计矿工轨迹识别模型，该模型实现了识别输入的轨迹数据属于哪一个矿工；包括：时间特征提取模块、空间特征提取模块、语义特征提取模块和联合表示学习模块。优点：从时间、空间和语义三个维度提取轨迹特征并联合学习特征表示；采用动态图嵌入方法来提取轨迹的时间维度特征，获取变长轨迹序列的长期时间依赖关系，并应用多头自注意力机制，提高对长序列的处理效率；采用图神经网络提取轨迹的结构拓扑信息，并融合外部因素的语义特征提高矿工轨迹识别准确度，从而为煤矿井下的轨迹数据挖掘和智能调度平台提供技术支持。

本发明授权一种动态时空语义联合嵌入的煤矿井下矿工轨迹识别方法在权利要求书中公布了：1.一种动态时空语义联合嵌入的煤矿井下矿工轨迹识别方法，其特征在于：引入井下矿工的UWB超宽带定位数据、井下巷道地图数据和矿工周围环境监测数据；利用煤矿井下矿工轨迹数据设计矿工轨迹识别模型；所述的矿工轨迹识别模型包括：时间特征提取模块、空间特征提取模块、语义特征提取模块和联合表示学习模块；具体步骤如下： 步骤1、采集煤矿井下矿工移动轨迹信息，将采集到的数据进行预处理得到各矿工的若干条子轨迹序列，所述预处理依次为分组处理、清洗处理、插值处理、子轨迹划分处理和路网匹配处理；所述路网匹配处理：将每条子轨迹上的每个轨迹点与井下巷道每条路段的端点进行叉积计算，判断每个轨迹点所属的井下巷道路段，计算公式如下： Q.x-A.x*B.y-A.y＝B.x-A.x*Q.y-A.y 其中Q.x、Q.y为轨迹点的坐标，A.x、A.y为路段的左端点坐标，B.x、B.y为路段的右端点坐标； 若等式成立，并且坐标Q在A、B两点坐标的最小值和最大值之间，则该轨迹点属于端点为A、B的路段，并在该轨迹点的记录中添加所属路段的属性； 若等式不成立，则继续将轨迹点与下一条路段的端点进行叉积计算； 步骤2、将步骤1预处理后的子轨迹序列分别经过时间特征提取模块、空间特征提取模块和语义特征提取模块，分别得到轨迹时间维度的特征表示、空间结构的特征表示和外部因素的语义特征表示；所述语义特征提取模块包括利用矿工移动过程中的外部因素信息，采用词嵌入方法，得到这些外部因素信息的语义特征表示； 语义特征提取模块为：采用词向量嵌入方法将每个外部因素信息转换为低维实向量，得到矿工轨迹的外部因素语义特征表示，所述的外部因素信息包括：温度、湿度、瓦斯浓度、CO浓度，具体过程如下： 采用词向量嵌入方法将这些外部因素信息嵌入到低维空间，提取子轨迹序列tr的外部因素的语义特征，在子轨迹序列tr中第t个时间步的外部因素语义特征矩阵计算公式如下： 其中，Ot表示在子轨迹序列tr中第t个时间步的外部因素语义特征向量构成的特征矩阵，We表示全连接层的权重，表示在第t个时间步传感器环境监测数据的属性向量构成的属性矩阵，We，be是可学习的参数； 步骤3、将步骤2得到的轨迹时间维度的特征表示、空间结构的特征表示和外部因素的语义特征表示经过联合表示学习模块的拼接操作，得到轨迹的时空语义特征表示；再使用全连接神经网络，对时空语义特征表示进行归一化，最后使用Softmax激活函数计算轨迹序列属于每一个矿工的概率； 步骤4、使用交叉熵损失函数来训练矿工轨迹识别模型，将所有矿工轨迹数据分成训练样本和测试样本，逐步训练优化参数从而实现对轨迹所属矿工的识别。

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中国矿业大学，其通讯地址为：221116 江苏省徐州市大学路1号中国矿业大学；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。