10.3969/j.issn.1000-386x.2015.03.047
基于轨迹多特征的运动模式学习及异常检测
为提高轨迹分类和异常检测的准确率，充分利用轨迹特征信息，提出基于轨迹多特征的运动模式分类和异常检测方法。首先通过由粗到细的分层聚类来提取轨迹运动模式，每层分别采用 Bhattacharyya 距离和基于线段插值的改进 Hausdorff 距离衡量轨迹间运动方向和空间位置的相似度，并引入 Laplacian 映射以降低计算复杂度并自动确定每层聚类数目。在此基础上，同时考虑待测轨迹与运动模式在起点分布、位置和方向上的差异，通过学习的起点分布模型和基于位置距离和方向距离的分类器在线判断起点、全局和局部异常。实验验证了提出的轨迹聚类算法和异常检测方法在聚类准确率和异常识别率上更优于传统方法。
运动模式、异常检测、多特征、Laplacian 映射、位置距离、方向距离
TP391(计算技术、计算机技术)
2015-04-03（万方平台首次上网日期，不代表论文的发表时间）
共6页
200-204,265
