基于时空轨迹信息的目标行为模式在线分类方法

在预警监视领域,及时地预测目标行为模式对于态势认知至关重要。首先,针对当前大多数目标行为分类器实时性不强、对离群轨迹不敏感等问题,提出了带有离群检测的归纳式一致性多类预测器（ICMP）。其次,针对目标行为分类算法仅考虑目标的空间位置信息,而忽略航向和速度信息的问题,基于轨迹的时间和空间2个维度的信息提出了时空Hausdorff距离（STHD）,从而可以有效区分空间位置相似但运动速度和方向不同的行为。然后,基于定向时空Hausdorff距离和K最近邻思想构造了定向时空Hausdorff最近邻不一致性度量函数（DSHNN-NCM）;在此基础上,提出了带有离群检测的序贯时空Hausdorff最近邻归纳式一致性多类预测器（SSHNN-ICMP）,能够在预警监视场景下对目标频繁出现的行为进行在线学习和分类。最后,分别在仿真军事场景和真实民用场景中进行实验分析,结果表明本文算法具备较好的准确性和实时性,在预警监视任务中有良好的应用前景。