基于时空轨迹信息的目标行为模式在线分类方法

作     者：姜乔文 刘瑜 丁自然 孙顺 简涛 JIANG Qiaowen;LIU Yu;DING Ziran;SUN Shun;JIAN Tao

作者机构：海军航空大学信息融合研究所烟台264001 

出 版 物：《航空学报》 (Acta Aeronautica et Astronautica Sinica)

年 卷 期：2023年第44卷第8期

页      面：233-245页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0802[工学-机械工程] 0835[工学-软件工程] 0825[工学-航空宇航科学与技术] 0704[理学-天文学] 081002[工学-信号与信息处理] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62022092,61790550) 山东省高等学校青创科技支持计划(2021KJ005,2019KJN031) 基础加强计划技术领域基金(2021-JCJQ-JJ-0251) 泰山学者工程专项经费(tsqn201909156) 

主　　题：时空轨迹 行为模式 Hausdorff距离 一致性预测 在线分类 

摘      要：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。