【技术实现步骤摘要】
一种目标轨迹异常检测方法
本专利技术涉及目标轨迹检测
，具体涉及一种目标轨迹异常检测方法。
技术介绍
随着中国经济飞速发展，交通愈发发达，随之一同显现的交通问题也层出不穷。车辆拥堵，车辆违规违纪，交通治安问题也浮现在我们眼前，由此，根据车辆轨迹来进行行为分析已经成为目前重要的车辆行为分析手段。而车辆轨迹是否正确将决定了分析结果的正确与否，保证轨迹数据的真实性才可以从中获取有效的车辆运动信息。车辆轨迹获取方式众多，其中包括较早且较成熟的帧差的方法、基于光流场的方法、基于背景差的方法，更有新兴的基于深度学习的目标检测方法。然而无论使用哪种方法识别并获取车辆轨迹，在进行车辆轨迹分析前都要保证所获取的车辆轨迹有效可靠，避免异常轨迹存在；若存在目标跟踪丢失或者目标跟踪错误的情况，将会严重影响后续的车辆行为判断，因此本专利技术不对轨迹获取的方法进行优化，而是根据车辆轨迹数据是否存在异常情况进行轨迹过滤，以获取正常的轨迹；如有异常情况则舍弃该异常轨迹，为后续的车辆行为检测与判断提供真实可靠的车辆数据轨迹。在视频监控检测领域，需要兼顾...
【技术保护点】
1.一种目标轨迹异常检测方法，其特征在于，包括：/n步骤1：样本准备，令原始车辆轨迹样本数据集合为T＝{T
【技术特征摘要】
1.一种目标轨迹异常检测方法，其特征在于，包括：
步骤1：样本准备，令原始车辆轨迹样本数据集合为T＝{Ti|i＝1,2,...,m}，其中第i条原始车辆轨迹Ti＝{(xij,yij)|j＝1,2,...,mi}，同时对Ti进行标注，得到标注集合Z＝{zi|i＝1,2,...,m}，其中，(xij,yij)表示第i辆车的轨迹中第j个位置的车辆中心点坐标，mi表示第i辆车的行驶轨迹坐标点数量，m表示车辆轨迹样本数量，zi∈{0,1}，zi＝0表示Ti的轨迹为正常，zi＝1表示Ti的轨迹为异常；
步骤2：对所有原始轨迹Ti进行子轨迹划分，得到子轨迹集合STi＝{stik|k＝1,2,…,ni},其中，stik表示Ti中的第k条子轨迹，ni表示划分得到的Ti中的子轨迹数量；
步骤3：对STi中的每个子轨迹计算包括位置、速度和角度信息的特征，并构成子轨迹特征集合SFi＝{sfik|k＝1,2,…,ni}，其中sfik＝{sxik,syik,saik,svik}代表车辆轨迹Ti的第k条子轨迹特征，(sxik,syik)代表子轨迹stik的中心点坐标，saik与svik分别代表子轨迹运动状态的方向与速度，可分别由公式(1)和公式(2)所得；将所有子轨迹特征SF＝{SFi|i＝1,2,…,m}作为输入并运用DBSCAN聚类算法进行聚类，将聚类结果中的离群子轨迹标记为labelik＝-1，其余标记为labelik＝0，得到正常子轨迹模型θDBSCAN＝{sfik|labelik＝0；i＝1,2,…,m；k＝1,2,…,ni}，其中labelik表示子轨迹stik的聚类离群标记；
其中，和分别表示第i条轨迹的第pik和pik+1个轨迹点，pik和pik+1分别表示第i条轨迹的第k和第k+1个划分特征标签
步骤4：获取轨迹Ti的异常信息特征AFi＝{li,ali,asi,aai}，其中，li表示第i条轨迹Ti的所有子轨迹长度之和，ali表示第i条子轨迹集合STi中满足异常标记labelik＝-1的子轨迹的最长的长度，asi表示第i条子轨迹集合STi中满足异常标记labelik＝-1的子轨迹的总长，aai表示第i条子轨迹集合STi中满足异常标记labelik＝-1的子轨迹的最大转角；
步骤5：以异常信息特征集合AF＝{AFi|i＝1,2,…,m}和Z作为输入并运用支持向量机方法进行训练得到检测模型θSVM；
步骤6：利用检测模型θSVM对待测车辆轨迹进行异常检测。
2.根据权利要求1所述的一种目标轨迹异常检测方法，其特征在于，所述步骤2中对所有原始轨迹Ti进行子轨迹划分，得到子轨迹集合STi包括：
步骤2.1：根据最大角度阈值εa得到角度特征标签集合APi＝{apir|a...
【专利技术属性】
技术研发人员：高飞，李嘉达，卢书芳，翁立波，张元鸣，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。