[发明专利]基于归纳式一致性异常检测的异常行为实时检测方法

摘要

本发明公开了一种基于归纳式一致性异常检测的异常行为实时检测方法。该方法既能充分考虑目标的位置、速度和运动方向信息，又采用了归纳式一致性异常检测的思想，可以在大大减小计算量的情况下实现对目标异常行为的实时检测，具体包括以下步骤1，定义相关变量；步骤2，初始化；步骤3，对测试航迹中的每个子航迹进行实时异常检测；步骤4，当前测试航迹中的每个子航迹都异常检测完成后，更新训练航迹数据集；步骤5，对多因素定向Hausdorff距离矩阵进行更新；步骤6，对下一个测试航迹进行实时异常检测。该方法具有参数设置简单、准确率高、能够实时检测的优点，而且工程易实现，在预警监视领域有广阔的应用前景。

主权项

一种基于归纳式一致性异常检测的异常行为实时检测方法，其特征在于包括以下步骤：步骤1，定义相关变量：1)异常阈值ε；2)需要考虑的近邻数量k；3)训练航迹数据集{TR1,…,TRl}，其中，压缩航迹数集为{TR1,…,TRr}，检验航迹数据集为{TRr+1,…,TRl}；4)多因素定向Hausdorff距离矩阵M，矩阵的每个元素Mi,j:i＝1,…,l‑r,j＝1,…,k表示检验航迹数据集中的航迹TRi:i＝r+1,…,l到压缩航迹数据集{TR1,…,TRr}第j近的航迹之间的多因素定向Hausdorff距离；5)空的优先序列Q；6)测试航迹TRl+1中不断更新的航迹点x1,…,xL；7)异常指示变量其中对应子航迹计算得出的类别，对应航迹{x1∪x2∪…∪xL}＝TRl+1计算得出的类别；步骤2，初始化：对当前测试子航迹到压缩航迹数据集中TRg:g＝1,…,r的多因素定向Hausdorff距离mg:g＝1,…,r赋零初值，并计算多因素定向Hausdorff距离矩阵Mi,1,…,Mi,k的和，定义为步骤3，对测试航迹TRl+1＝{x1∪x2∪…∪xL}中的子航迹{x1∪…∪xj}，j＝1,…,L重复进行如下异常检测过程：1)对检验航迹数据集中的航迹TRi:i＝r+1,…,l的不一致度量αi进行更新；2)根据多因素定向Hausdorff距离的定义，对mg的取值进行更新；3)对Q内的元素进行更新；4)从Q中提取当前的k个距离值对当前测试子航迹{x1∪…∪xj}的不一致度量αl+1的取值进行更新；5)计算pl+1取值；6)将pl+1进行阈值ε判别，对当前测试样本的异常情况进行检测更新；步骤4，当测试航迹TRl+1的每个子航迹{x1∪…∪xj},j＝1,…,L都异常检测完成后，输出异常指示变量，将TRl+1添加到训练航迹数据集{TR1,…,TRl}中，将训练航迹数据集更新为{TR1,…,TRl+1}，其中，检验航迹数据集更新为{TRr+1,…,TRl+1}；步骤5，对多因素定向Hausdorff距离矩阵M进行如下更新；步骤6，更新后的训练航迹集合{TR1,…,TRl+1}和更新后的多因素定向Hausdorff距离矩阵M作为新的输入变量，对测试航迹TRl+2进行异常检测。