基于轨迹多特征的运动模式学习及异常检测-计算机应用与软件.pdfVIP

第３２卷第３期　　　 计算机应用与软件 Ｖｏｌ３２Ｎｏ．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．１０００３８６ｘ．２０１５．０３．０４７ ＭＯＴＩＯＮＰＡＴＴＥＲＮＳＬＥＡＲＮＩＮＧＡＮＤＡＮＯＭＡＬＹＤＥＴＥＣＴＩＯＮＢＡＳＥＤ ＯＮＭＵＬＴＩＦＥＡＴＵＲＥＴＲＡＪＥＣＴＯＲＹ ＴａｎｇＣｈｕｎｍｉｎｇ　ＨａｎＸｕ　ＨａｏＨｕａｎｆｅｉ　ＮｉｅＭｅｉｌｉｎｇ （ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＣｏｍｍｕｎｉｃａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＨａｒｂｉｎＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ１５０００１，Ｈｅｉｌｏｎｇｊｉａｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｔｈｅｔｒａｊｅｃｔｏｒｙｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄａｎｏｍａｌｙｄｅｔｅｃｔｉｏｎ，ｗｅｐｒｏｐｏｓｅｔｈｅｍｕｌｔｉｆｅａｔｕｒｅｔｒａｊｅｃｔｏｒｙｂａｓｅｄ ｍｏｔｉｏｎｐａｔｔｅｒｎｓｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄａｎｏｍａｌｙｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｂｙｔａｋｉｎｇｆｕｌｌａｄｖａｎｔａｇｅｏｆｔｒａｊｅｃｔｏｒｙｆｅａｔｕｒｅｉｎｆｏｒｍａｔｉｏｎ．Ｆｉｒｓｔ，ｗｅｅｘｔｒａｃｔｔｈｅ ｍｏｔｉｏｎｐａｔｔｅｒｎｓｏｆｔｒａｊｅｃｔｏｒｙｂｙｃｏａｒｓｅｔｏｆｉｎｅｈｉｅｒａｒｃｈｉｃａｌｃｌｕｓｔｅｒｉｎｇ．Ｉｎｅａｃｈｌａｙｅｒ，ｗｅｕｓｅＢｈａｔｔａｃｈａｒｙｙａｄｉｓｔａｎｃｅａｎｄｔｈｅｍｏｄｉｆｉｅｄＨａｕｓｄｏｒｆｆ ｄｉｓｔａｎｃｅｂａｓｅｄｏｎｓｅｇｍｅｎｔｉｎｔｅｒｐｏｌａｔｉｏｎ（ＩＭＨＤ）ｔｏｍｅａｓｕｒｅｔｈｅｓｉｍｉｌａｒｉｔｙｏｆｄｉｒｅｃｔｉｏｎｏｆｍｏｔｉｏｎａｎｄｓｐａｔｉａｌｌｏｃａｔｉｏｎｂｅｔｗｅｅｎｔｒａｊｅｃｔｏｒｉｅｓ ｒｅｓｐｅｃｔｉｖｅｌｙ．ＡｎｄＬａｐｌａｃｉａｎｍａｐｐｉｎｇｉｓｉｎｔｒｏｄｕｃｅｄｔｏｒｅｄｕｃｅｔｈｅｃｏｍｐｕｔａｔｉｏｎａｌｃｏｍｐｌｅｘｉｔｙａｎｄｔｏａｕｔｏｍａｔｉｃａｌｌｙｄｅｔｅｒｍｉｎｅｔｈｅｎｕｍｂｅｒｏｆ ｃｌｕｓｔｅｒｓｉｎｅａｃｈｌａｙｅｒ．Ｏｎｔｈｉｓｂａｓｉｓ，ｗｅｔａｋｅｓｉｍｕｌｔａｎｅｏｕｓｌｙｔｈｅｄｉｆｆｅｒｅｎｃｅｓｂｅｔｗｅｅｎｔｈｅｔｅｓｔｉｎｇｔｒａｊｅｃｔｏｒｙａｎｄｔｈｅｍｏｔｉｏｎｐａｔｔｅｒｎｓｉｎｓｔａｒｔ ｐｏｉｎｔｄｉｓｔｒｉｂｕｔｉｏｎ，ｐｏｓｉｔｉｏｎａｎｄｄｉｒｅｃｔｉｏｎｉｎｔｏｃｏｎｓｉｄｅｒａｔｉｏｎ，ｇｉｖｅｏｎｌｉｎｅｊｕｄｇｅｍｅｎｔｏｎａｎｏｍａｌｉｅｓａｔｓｔａｒｔｐｏｉｎｔ，ｇｌｏｂａｌａｎｄｌｏｃａｌｂｙｌｅａｒｎｉｎｇ ｄｉｓｔｒｉｂｕｔｉｏｎｍｏｄｅｌｏｆｓｔａｒｔｐｏｉｎｔａｎｄｂａｓｅｄｏｎｔｈｅｃｌａｓｓｉｆｉｅｒｓｏｆｐｏｓｉｔｉｏｎｄｉｓｔａｎｃｅａｎｄｄｉｒｅｃｔｉｏｎｄｉｓｔａｎｃｅ．Ｉｔｉｓ