智能交通系統(tǒng)車輛軌跡增量式建模與在線異常檢測方法
【專利摘要】本發(fā)明提出的是一種智能交通系統(tǒng)車輛軌跡異常檢測方法。本發(fā)明在提取了車輛的軌跡之后才進行的異常檢測，對環(huán)境的要求更低，其適用性更好。在車輛軌跡的建模過程中由于初始軌跡中存在異?；蛘哕壽E集太小，建立的軌跡模型庫不準備，本發(fā)明在建模的過程中采用了增量式建模的方法，得到的軌跡模型庫比較準確。本發(fā)明的異常檢測結(jié)果與以往的批處理相比具有更高的檢測率，更低的虛警率。滿足實際應(yīng)用的需要。
【專利說明】智能交通系統(tǒng)車輛軌跡增量式建模與在線異常檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及的是一種智能交通系統(tǒng)車輛軌跡異常檢測方法，具體地說是在提取車輛軌跡之后進行異常檢測，基于增量式進行軌跡建模，然后利用智能閾值法實現(xiàn)智能交通系統(tǒng)車輛軌跡異常檢測的方法。
【背景技術(shù)】
[0002]近年來，基于車輛運動軌跡的分析和異常檢測已成為智能監(jiān)控的一個重要應(yīng)用，也是計算機視覺的一個新興研究方向。車輛軌跡異常檢測的目標(biāo)是分析與識別場景中車輛軌跡的行為模式，對其進行智能分類以及異常檢測。在智能交通監(jiān)控中，它的目的是從現(xiàn)有的車輛軌跡中自動發(fā)現(xiàn)潛在的異常，核心問題是怎樣利用已得到的軌跡數(shù)據(jù)建立一個分類完備的軌跡模型庫。
[0003]現(xiàn)有的異常檢測系統(tǒng)分為兩種，一種依賴于特定的場景，在這些場景中目標(biāo)是已預(yù)先定義好的方式運動的。這種方法的適應(yīng)性不強。只要場景變了，我們就需要重新定義運動方式。另一種方法是通過對已收集到的軌跡進行聚類，然后建立車輛軌跡的統(tǒng)計模型或運動模型，利用這些模型對新產(chǎn)生的車輛軌跡進行異常檢測。這種方法對環(huán)境的適應(yīng)性有所增強，但是如果場景中的運動形式改變了或者場景本身改變了就需要重新進行軌跡收集以及建立模型。同時，人們已經(jīng)發(fā)現(xiàn)在異常軌跡存在的情況下，譜聚類得到的聚類類別數(shù)是不準確的，這不但會影響軌跡模型的建立，而且也會給后面的軌跡識別率帶來了很大的影響。
[0004]本專利提出的是一種智能交通系統(tǒng)車輛軌跡異常檢測方法。本專利在提取了車輛的軌跡之后才進行的異常檢測，對環(huán)境的要求更低，其適用性更好。在車輛軌跡的建模過程中由于初始軌跡中存在異?；蛘哕壽E集太小，建立的軌跡模型庫不準備，本專利在建模的過程中采用了增量式建模的方法，得到的軌跡模型庫比較準確。本專利的異常檢測結(jié)果與以往的批處理相比具有更高的檢測率，更低的虛警率。滿足實際應(yīng)用的需要。

【發(fā)明內(nèi)容】

[0005]一種智能交通系統(tǒng)車輛軌跡異常檢測方法，所述方法包括以下步驟:
[0006]1、軌跡分類:首先利用hausdorff距離測量初始軌跡集中的所有軌跡之間的距離，然后求軌跡之間的軌跡相似度。如果給定L條軌跡，我們可以得到一個LXL的相似性矩陣SKsJup利用譜聚類的方法將L條軌跡分成K類。
[0007]2、初始化軌跡模型庫:給定K個軌跡類，利用每一類包含的樣本軌跡，建立每類的HMM模型。模型結(jié)構(gòu)為自左到右且無跳轉(zhuǎn)類型。每個HMM包含Q個狀態(tài)轉(zhuǎn)移節(jié)點，每個狀態(tài)轉(zhuǎn)移節(jié)點的輸出概率密度函數(shù)為高斯混合函數(shù)。
[0008]3、軌跡類閾值設(shè)定:初始化軌跡模型庫之后，我們利用軌跡模型庫和初始軌跡集來計算每一個軌跡類的閾值LLT，如下所示:
【權(quán)利要求】
1.一種車輛軌跡增量式建模與在線異常檢測方法，所述方法包括以下步驟: a、軌跡分類:首先利用hausdorff距離測量初始軌跡集中的所有軌跡之間的距離,然后求軌跡之間的軌跡相似度，如果給定L條軌跡，我們可以得到一個LXL的相似性矩陣S= [s Jlxl,利用譜聚類的方法將L條軌跡分成K類； b、初始化軌跡模型庫:給定K個軌跡類，利用每一類包含的樣本軌跡，建立每類的HMM模型，模型結(jié)構(gòu)為自左到右且無跳轉(zhuǎn)類型，每個HMM包含Q個狀態(tài)轉(zhuǎn)移節(jié)點，每個狀態(tài)轉(zhuǎn)移節(jié)點的輸出概率密度函數(shù)為高斯混合函數(shù)； C、軌跡類閾值設(shè)定:初始化軌跡模型庫之后，我們利用軌跡模型庫和初始軌跡集來計算每一個軌跡類的閾值LLT，如下所示:
【文檔編號】G06K9/20GK103473540SQ201310413340
【公開日】2013年12月25日 申請日期:2013年9月11日 優(yōu)先權(quán)日:2013年9月11日
【發(fā)明者】湯春明, 浩歡飛, 王金海, 苗長云, 肖志濤 申請人:天津工業(yè)大學(xué)