车辆轨迹的增量式建模与在线异常检测

• 作者: 汤春明 浩欢飞 聂美玲 韩旭
• 来源期刊: 计算机应用研究
• 关键词: 异常检测 增量式轨迹建模 谱聚类 隐马尔可夫模型 模型结构更新
• 年，卷（期）: 2014,（7）
• 页码范围: 2008-2012
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2014.07.020

摘要

针对智能交通系统中车辆轨迹自动异常检测问题,提出一种基于批处理(batch-mode)模型初始化的增量式轨迹建模,并将其应用到在线异常检测.首先采用改进的Hausdorff距离和谱聚类对初始轨迹集进行分类并建立初始轨迹模型库;然后对提取的新轨迹进行在线异常检测以及轨迹识别,通过增量式(incremental) EM算法更新轨迹类别的隐马尔可夫模型参数;最后进行模型结构更新.户外实际场景监控视频实验结果表明,与经典的batch-mode算法相比,增量式轨迹建模可以得到更加准确的轨迹模型库、更快的运算速度,同时该算法在异常检测方面具有更高的检测率和更低的虚警率,实现了在线异常检测、具有对初始轨迹集不敏感的特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汤春明	天津工业大学电子与信息工程学院	27	102	6.0	8.0
2	浩欢飞	哈尔滨工程大学信息与通信工程学院	3	23	3.0	3.0
3	韩旭	哈尔滨工程大学信息与通信工程学院	8	36	4.0	5.0
4	聂美玲	哈尔滨工程大学信息与通信工程学院	4	26	3.0	4.0