[发明专利]基于多维特征的目标行为模式在线分类方法

摘要

本发明公开了一种基于多维特征的目标行为模式在线分类方法。所述方法包括：步骤1，定义相关变量；步骤2，利用其中一个类别的训练航迹数据集，计算测试航迹中当前航迹点的p值；步骤3，重复步骤2，计算当前航迹点对应其它类别的p值；步骤4，比较所有类别对应p值的大小，确定当前航迹点对应的目标行为模式类别；步骤5，当前测试航迹的每个航迹点对应的目标行为模式都分类完成后，更新训练航迹数据集；步骤6，更新多因素Hausdorff距离矩阵；步骤7，对下一个测试航迹对应的目标行为模式进行分类判别。该方法综合利用了目标的位置、速度和航向特征，并具有参数设置简单、准确率高、实时性好的优点，在预警监视领域有广阔应用前景。

主权项

1.一种基于多维特征的目标行为模式在线分类方法，其特征在于包括以下步骤：步骤一：定义相关变量：1)需要考虑的近邻数量k；2)训练航迹数据集其中l₁+…+l_t+…+l_m＝l，1,2,…,m为训练航迹数据集中的航迹对应的目标的行为模式类别标签，l为训练样本总数；3)多因素定向Hausdorff距离矩阵M1,M2,…,Mm，其中矩阵M1的每个元素M1_i,j:i＝1,…,l₁,j＝1,…,k表示z_1i到样本集第j近的样本之间的多因素定向Hausdorff距离，M2,…,Mm中的每个元素同理；4)空的优先序列Q1,…,Qt,…,Qm；5)测试航迹z_l+1＝{x₁∪x₂∪…∪x_L}，其中x_i∩x_j＝φ:i,j＝1,…,L∧j≠i，x_j为多维航迹点；6)距离向量(m₁,…,m_l)，其中m_i:i＝1,…,l表示z_l+1到z_i的多因素定向Hausdorff距离：7)距离向量(m'₁,…,m'_l)，其中m'_i:i＝1,…,l表示z_i到z_l+1的多因素定向Hausdorff距离：8)类别指示变量其中i＝1,…,L‑1为对子航迹在线分类得出的类别，为对航迹{x₁∪x₂∪…∪x_L}＝z_l+1在线分类得出的类别；步骤二：对测试航迹z_l+1＝{x₁∪x₂∪…∪x_L}中的子航迹{x₁∪…∪x_j}，j＝1,…,L和训练航迹数据集中的z_1i:i＝1,…,l₁重复进行如下分类过程：1)计算多因素定向Hausdorff距离矩阵M1_i,1,...,M1_i,k‑1的和，并对距离m_i赋零初值；2)根据多因素定向Hausdorff距离的定义对m_i的取值进行更新；3)对Q1内的元素进行更新；4)根据多因素定向Hausdorff距离的定义对m'_i的取值进行更新；5)根据距离m'_i与距离M1_i,k的取值大小，对不一致度量α_1i的取值进行更新；6)从Q1中提取当前的k个距离值，并通过对这k个距离值的求和对不一致度量的取值进行更新；7)计算的取值；步骤三：对测试航迹z_l+1＝{x₁∪x₂∪…∪x_L}中的子航迹{x₁∪…∪x_j}，j＝1,…,L和训练航迹数据集2≤t≤m中的z_ti:i＝1,…,l_t，用Mt替换M1，用Qt替换Q1，重复进行如步骤二所示的分类过程，计算的取值；步骤四：比较的大小，选出最大的p值则当前子航迹{x₁∪…∪x_j}对应的目标行为模式类别为c，即：步骤五：当测试航迹z_l+1的每个子航迹{x₁∪…∪x_j}，j＝1,…,L对应的目标行为模式都分类完成后，输出类别指示变量和距离向量，查找最多的多维航迹点对应的类别c，将z_l+1添加到该类别对应的训练航迹数据集中，组成新的训练航迹数据集步骤六：对多因素定向Hausdorff距离矩阵Mc进行更新；步骤七：用更新后的训练航迹数据集和更新后的多因素定向Hausdorff距离矩阵Mc代替原来的和Mc，对测试航迹z_l+2对应的目标行为模式进行在线分类；所述步骤一中多因素定向Hausdorff距离的具体定义如下：1)考虑两个目标的位置特征、速度特征和航向特征，两个目标点a、b之间的多因素距离定义为：mfdist(a,b)＝w_d·dist(a,b)+w_v·dist(v_a,v_b)+w_θ·dist(θ_a,θ_b)其中v_a，v_b表示点a与点b的速度，θ_a，θ_b表示点a与点b的航向，dist(a,b)表示点a与点b之间位置特征的欧式距离，dist(v_a,v_b)表示点a与点b之间速度特征的欧式距离，dist(θ_a,θ_b)表示点a与点b之间航向特征的欧式距离，w_d表示位置特征的权重因子，w_v表示速度特征的权重因子，w_θ表示航向特征的权重因子，权重因子的取值取决于多因素距离的应用场景；2)基于两个目标点之间的多因素距离mfdist(a,b)，目标航迹A到目标航迹B的多因素定向Hausdorff距离定义为:A与B为两条目标航迹。