基于区域分布概率密度估计的轨迹分类方法

摘要：

区域分布是运动目标的重要特征,可用于目标轨迹分类.已有分类方法往往假设轨迹片段呈矩形簇状或混合高斯状分布,限制了轨迹分类精度的提升.为此,提出一种基于核密度估计和最大似然判决的轨迹分类方法,消除已有分类方法对数据分布模型的先验假设,进而解决因模型不适配导致的轨迹分类准确率受限问题.实验结果表明,相较于最小描述长度划分、高斯混合模型等方法,该方法对参数不敏感,训练时间明显缩短,轨迹分类准确率提升5％ ～ 15％.

关键词：轨迹分类、最小描述长度、核密度估计、高斯核、最大似然

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

在线出版日期：2018-11-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：262-267,286