[發明專利]一種基于機器學習的車輛軌跡異常檢測方法

有效

• 申請號: 201911143276.4
• 申請日: 2019-11-20
• 公開（公告）號: CN111126144B
• 公開（公告）日: 2021-10-12
• 發明（設計）人: 高飛;李嘉達;李帥;盧書芳;陸佳煒;程振波;肖剛
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 杭州浙科專利事務所(普通合伙) 33213
• 代理人: 周紅芳

本發明涉及一種基于機器學習的車輛軌跡異常檢測方法，尤其涉及在車輛通過十字路口時的軌跡運用機器學習進行軌跡異常檢測的方法。本發明方法通過輸入車輛運行軌跡數據集，并使用機器學習的方法訓練得到異常檢測模型，并以此為依據進行車輛軌跡異常檢測，判斷待測車輛軌跡是否可靠，通過對車輛軌跡點的規范化處理，同時結合機器學習的中多元邏輯回歸的方法完成異常判斷模型θ的訓練；它實現了根據異常判斷模型θ判斷軌跡是否異常，不僅準確率達到要求，同時運用矩陣點積和簡易的多元邏輯回歸算法，它實現了軌跡異常判斷耗時非常少，效率高，非常適用于獲取車輛軌跡后實行車輛軌跡異常檢測步驟，對車輛目標檢測具有重大意義。

技術領域

本發明涉及一種基于機器學習的車輛軌跡異常檢測方法，尤其涉及運用機器學習方法對車輛通過十字路口時的軌跡進行軌跡異常檢測的方法。

背景技術

隨著中國經濟飛速發展，交通愈發發達，隨之一同顯現的交通問題也層出不窮。車輛擁堵，車輛違規違紀，交通治安問題也浮現在我們眼前，由此，根據車輛軌跡來進行行為分析已經成為目前重要的車輛行為分析手段。而車輛軌跡是否正確將決定了分析結果的正確與否。

車輛軌跡獲取方式眾多，其中包括較早且較成熟的幀間差分的方法、基于光流場的方法、基于背景差的方法，更有新興的基于深度學習的目標檢測方法。然而無論使用哪種方法識別并獲取車輛軌跡，在進行車輛軌跡分析前都要保證所獲取的車輛軌跡有效可靠，避免異常軌跡存在；若存在目標跟蹤丟失或者目標跟蹤錯誤的情況，將會嚴重影響后續的車輛行為判斷，因此本發明不對軌跡獲取的方法進行優化，而是根據車輛軌跡數據是否存在異常情況進行軌跡過濾，以獲取正常的軌跡；如有異常情況則舍棄該異常軌跡，為后續的車輛行為檢測與判斷提供可靠優秀的車輛數據軌跡。在車輛檢測領域，與準確率的要求相較，速度同樣尤為重要，因此需要一種效果好、耗時短的車輛軌跡異常檢測方法克服以上問題。

發明內容

本發明要解決的技術問題是提供一種基于機器學習的車輛軌跡異常檢測方法，不僅可以檢測出異常車輛軌跡，而且其耗時少效率高，特別適用于車輛軌跡獲取后車輛軌跡異常檢測。

所述的一種基于機器學習的車輛軌跡異常檢測方法，其特征在于包括如下步驟：

步驟1：樣本準備，數據初始化：令原始車輛軌跡樣本數據為T_i＝{(x_i,j,y_i,j)|j＝1,2,..,m_i}，i＝1,2,...,m，同時對T_i進行標注，得到標注集合Z＝{z_i|i＝1,2,...,m}，其中，(x_i,j,y_i,j)表示第i輛車的軌跡中第j個位置的車輛中心點坐標，m_i表示第i輛車的行駛軌跡坐標點數量，m表示車輛軌跡樣本數量，z_i∈{0,1}，z_i＝0表示T_i的軌跡為正常，z_i＝1表示T_i的軌跡為異常；對所有T_i進行規范化處理，得到規范化后的矩陣M_T，向量差矩陣M_V，最后，整合為訓練模型輸入樣本矩陣X；

步驟2：以X和Z作為輸入并運用多元邏輯回歸的機器學習算法進行訓練得到檢測模型θ；

步驟3：利用檢測模型θ進行車輛軌跡異常檢測。

所述的一種基于機器學習的車輛軌跡異常檢測方法，其特征在于步驟1中的訓練模型輸入樣本矩陣X的規范化處理過程如下：

步驟1.1：去除T_i中重復的坐標點，使T_i中存在的任意兩個坐標點不相同；