基于点移除成本最小化原则的轨迹降维算法制造技术

本发明专利技术属于车辆、船舶等移动目标轨迹的模式识别技术领域，具体涉及一种包括车辆但不限于车辆行驶轨迹异常识别的算法流程。提出的算法流程，提出了一种基于HMM隐马尔可夫模型和MFD向量角度模型构成的车辆异常轨迹双模识别方法，该方法通过实际的车行场景来建立相应的训练数据集和测试数据集，并实时地对逐个对车辆轨迹聚类进行异常判定，从而达到识别车辆异常行为的目的。该算法来流程简单，计算复杂度低、实时性好、准确率高，不仅适用于车辆交通应用场景，还可应用于船舶、工业智能小车、港口装卸车辆、景区旅游车、机场乘客转运车等移动目标轨迹异常识别及实时预警的场合。

【技术实现步骤摘要】

本专利技术属于车辆、船舶、无人机、机器人等多移动目标轨迹的模式识别，具体涉及一种对移动目标轨迹进行降维处理的算法流程。

技术介绍

1、基于机器视觉跟踪的多目标轨迹模式训练学习，如复杂交通场景中车辆运动模式学习、多无人机或这机器人运动轨迹学习等，涉及海量的运动轨迹聚类、轨迹时空语义解析、行为模式识别等数据处理，尤其在运动轨迹聚类及轨迹时空语义信息解析中，既要统一轨迹数据集合中的轨迹维度，又能够提取轨迹样本的时空特征信息。

2、统一轨迹维度的有效方法，可通过轨迹降维来实现，传统解决方案通常有轨迹向量学习、近似轨迹分割等方法。然而，这些方法不是未能考虑原始轨迹中丰富的时空特征信息，就是不能解决庞大的海量数据处理的时间成本问题，这成为具有组合事态的多移动目标跟踪运动轨迹模式训练学习的一大难题和痛点。

3、对此，本专利技术针对降维处理的实时性要求和维度一致性要求，提出一种基于点移除成本最小化原则的轨迹降维算法，技术上通过一个迭代运算的点积计算窗搜寻移动目标时序轨迹中时空特征信息的弱点，并剔除这些弱点，从而有效实现运动轨迹的降维。

...

【技术保护点】

1.基于点移除成本最小化原则的轨迹降维算法，属于车辆、船舶、无人机及机器人等多移动目标轨迹的模式识别技术领域，具体涉及一种为实现模式对标法中对标模型的学习训练和测试，而对通过训练视频和测试视频获得的车辆运动轨迹进行降维处理算法，其技术特征如下：

【技术特征摘要】

1.基于点移除成本最小化原则的轨迹降维算法，属于车辆、船舶、无人机及机器人等多移动目标轨迹的模式识别技术领域，具体涉及一种...

【专利技术属性】
技术研发人员：俞晓红，李炎炎，龙伟，魏鸿飞，董恩泽，
申请(专利权)人：俞晓红，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人