文件名称：论文研究-车辆轨迹的增量式建模与在线异常检测.pdf
文件大小：1.52MB
文件格式：PDF
更新时间：2022-08-11 15:00:33
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
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。