基于轨迹多特征的运动模式学习及异常检测.pdfVIP

第32卷第3期 计算机应用与软件 V01．32 No．3 2015年3月 ComputerApplicationsandSoftware Mar．2015 基于轨迹多特征的运动模式学习及异常检测 汤春明 韩 旭 浩欢飞 聂美玲 (哈尔滨工程大学信息与通信工程学院 黑龙江 哈尔滨 150001) 摘 要 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。 关键词 运动模式 异常检测 多特征 Laplacian映射 位置距离 方向距离 中图分类号 TP391 文献标识码 A DOI：10．3969／j．issn．2015．03．047 MoTIoN PATTERNSLEARNING AND ANoM ALY DETECTIoN BASED ON MULTI-FEATURETRAJECToRY TangChunming HanXu HaoHuanfei NieMeiling (CollegeofInformationandCommunicationEngineering，HarbinEngineeringUniversity，Harbin150001，Heilongfiang，China) Abstract Toimprovetheaccuracyofthet瑚jectoryclassificationandanomalydetection，weproposethemulti—featuretrajectory—based motionpatternsclassificationandanomalydetectionmethodbytakingfulladvantageoftrajectoryfeatureinformation．First，weextractthe motionpatternsof~ ectorybycoarse—to—finehierarchicalclustering．Ineachlayer，weuseBhattacharyyadistanceandthemodifiedHausdorff distancebasedonsegmentinterpolation(IMHD)tomeasurethesimilarityofdirectionofmotionandspatiallocationbetweentrajectories respectively．AndLaplacianmappingisintroduced toreducethecomputational complexityandtoautomatically determinethenumberof clustersineachlayer．Onthisbasis，wetakesimultaneouslythedifferencesbetweenthetestingtrajectoryandthemotionpatternsinstart pointdistribution，positionanddirectionintoconsideration，giveonlinejudgementonanomaliesatstartpoint，globalandlocalbylearning distributionmodelofstartpointandbasedontheclassifiersofpositi