计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2014年
7期
2008-2012
,共5页
汤春明%浩欢飞%韩旭%聂美玲
湯春明%浩歡飛%韓旭%聶美玲
탕춘명%호환비%한욱%섭미령
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
異常檢測%增量式軌跡建模%譜聚類%隱馬爾可伕模型%模型結構更新
이상검측%증량식궤적건모%보취류%은마이가부모형%모형결구경신
anomaly detection%incremental trajectory modeling%spectral clustering%hidden Markov model%update the model structure
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.
針對智能交通繫統中車輛軌跡自動異常檢測問題,提齣一種基于批處理(batch-mode)模型初始化的增量式軌跡建模,併將其應用到在線異常檢測.首先採用改進的Hausdorff距離和譜聚類對初始軌跡集進行分類併建立初始軌跡模型庫;然後對提取的新軌跡進行在線異常檢測以及軌跡識彆,通過增量式(incremental) EM算法更新軌跡類彆的隱馬爾可伕模型參數;最後進行模型結構更新.戶外實際場景鑑控視頻實驗結果錶明,與經典的batch-mode算法相比,增量式軌跡建模可以得到更加準確的軌跡模型庫、更快的運算速度,同時該算法在異常檢測方麵具有更高的檢測率和更低的虛警率,實現瞭在線異常檢測、具有對初始軌跡集不敏感的特點.
침대지능교통계통중차량궤적자동이상검측문제,제출일충기우비처리(batch-mode)모형초시화적증량식궤적건모,병장기응용도재선이상검측.수선채용개진적Hausdorff거리화보취류대초시궤적집진행분류병건립초시궤적모형고;연후대제취적신궤적진행재선이상검측이급궤적식별,통과증량식(incremental) EM산법경신궤적유별적은마이가부모형삼수;최후진행모형결구경신.호외실제장경감공시빈실험결과표명,여경전적batch-mode산법상비,증량식궤적건모가이득도경가준학적궤적모형고、경쾌적운산속도,동시해산법재이상검측방면구유경고적검측솔화경저적허경솔,실현료재선이상검측、구유대초시궤적집불민감적특점.
