面向监控系统采集数据的停留点检测算法

本文针对安防监控系统数据采样不规则导致停留点检测准确性不高的问题,提出了一种基于旋转编码的停留点检测算法。该模型通过在滑动窗口内规范数据之间的采样间隔信息,并通过注意力机制完成停留点分析任务,有效避免了常见机器学习算法存在的归纳偏置对于采样不规则数据的影响。实验结果表明,该方法能够有效检测采样不规则轨迹中的停留点,相较于已有方法和常见机器学习算法具有较高的准确性。

基于位置信息的老人异常状态检测技术研究

传统居家养老模式中,对独居老人的日常生活健康状况的监测及室内活动的异常行为检测,依赖于各种可穿戴传感器设备,易给老人造成行动不便和隐私问题。为此,提出一种基于位置信息的老人异常状态检测方法。该方法根据蓝牙信号的信号强度指示(Received Signal Strength Indication,RSSI)测距定位,获得老人当前位置,由交互式多模型的卡尔曼滤波方法实现老人在室内的移动轨迹跟踪;对老人在室内移动轨迹进行生理监测,而对老人突发异常状态,通过设置不同室内空间区域的时间阈值,以停留点检测方式进行判断。实验结果表明,该方法简单易于实现,且对于独居老人的日常监护方法优于传统可穿戴传感器设备。

基于停留区域识别的子轨迹异常检测方法

对轨迹数据进行分析和处理能够揭示移动对象的运动规律并挖掘出与其相关的隐含信息,移动对象的不规律或异常运动产生了异常轨迹数据,异常数据的出现往往意味着有特殊情况发生,隐含着更有意义的信息,快速、准确地检测异常轨迹能够服务于交通分析及事故检测等具体应用领域。针对传统轨迹异常检测方法没有充分考虑轨迹局部异常的问题,该文提出一种基于停留区域识别的子轨迹异常检测方法:①设计了一种基于密度的停留点检测算法检测轨迹集的停留点,通过寻找核心点以建立初始簇,使用核心点邻域内的点扩展当前簇,并根据簇内的时间间隔是否满足时间条件,从而检测出停留点;②根据停留点集合识别停留区域,将任意2个停留区域作为一对起点和终点区域后对轨迹进行分段;③根据分段后子轨迹的起点区域和终点区域对子轨迹集进行分组;④针对每个分组内的子轨迹,设计子轨迹异常检测算法检测异常空间子轨迹和异常时空子轨迹。在真实轨迹数据集上与传统异常检测方法进行对比,实验结果表明本文所提方法能有效地检测出异常子轨迹,并且运行时间明显低于TRAOD方法,检测准确率比TRAOD方法最高提升了23.9%;F_(1)分数值相较于ATDC和iBAT方法有明显提升,最高提升率分别为7.8%和16.1%。本研究描述的轨迹异常检测方法可以为交通运输和管理部门提供有效的决策信息,为车辆轨迹数据挖掘提供新的解决方案。