异常行为检测

1、异常行为检测,异常行为定义,?,异常行为各式各样，不一而足,?,需要根据具体场景定义,?,它们并不是经常发生,目前研究现状,?,对已知异常行为进行描述和建模,?,问题在于：,怎么样能定义普适的异常行为,存在大量的不可预知性情况,好的检测模型应该是？,?,一个好的、较为通用的异常行为检测模型,应该具有这样两个功能：,?,（,1,）系统应该允许对已知异常行为进行,描述和建模,-,基于,XXX,模型的监督学习,?,（,2,）它能检测到一些不常发生，事先未,预料的事件,-,重点研究,行为特征的定义和描述,?,在本文中，提取了认为是可以表征一个,运动物体的最基本和最重要的行为特征,集合，,?,它们包括：

2、运动物体类型，,运动轨迹,，,位置，速度，长宽比，颜色特征，持续,时间,?,除了,运动轨迹,之外，其他都可以用数字,表示，那,运动轨迹,呢？,?,用分段上下文编辑距离方法（,Sectional,Contextual Edit Distance (SCED),）,Sectional Contextual Edit Distance,(SCED),分段,上下文,编辑,距离,?,这种方法源于编辑距离（,Edit Distance,）,?,度量的是两个序列之间的差别。,?,它是由一个序列转化为另一个序列所需,要的插入、删除、替换操作的个数来决,定的，所以也称作编辑距离（,Edit,Distance,）

3、,ED-Edit Distance,编辑距离,?,最简单的编辑距离（,Edit Distance,）用来比较,两组字符串序列时，,?,ED(R,S),表示将,R1m字串修改为,S1n字串,所需要的最少的插入、删除和替换操作的个数。,?,R,和,S,代表两条轨迹数据，,?,m and n,分别是他们数据元素的长度，,?,Rest (R),代表r1 m,-1,，,Rest (S),代表s1 n,-1,?,当字符,r1=s1,时，替换代价,subcost,=0,；否则为,1,。,?,这是一个递归的定义公式,S-sectional,分段,?,出发点有以下两点,?,1,、通常的物体运动具有保持运动状态的

4、趋势，,所以人的运动轨迹中最重要的也正是运动状态,发生改变的部分。要判断一个人的行为，往往,最具有表征性的就是,停止、加速和变向,这些事,件的发生。,?,2,、一个关键的原因是以每个坐标点为元素来比,较，有时会导致具有特征意义的轨迹差别被其,他的小的并没有特征意义的位置上的差别淹没,了。,而分段后,，可以对于包含信息较少的段落,在插入删除替换时消耗较少的代价，而赋予重,要的段落大的权重。,S-sectional,分段,?,举例：,?,如果有序列,S(1,1), (2,2), (3,3), (3,3), (3,3),(3,3), (4,4), (5,5)，,?,那么在遍历到,S3(3,3)-S4

5、(3,3),时，会发现速度,和前面不同，这时可以把,S3,作为前一个段落的,终点，而新的段落也从,S3,开始；,?,S6(3,3)-,S7(4,4),速度又有了“明显变化”，于,是将,S6,设为两段的分界点。如此，一个表示停,顿的段就得出了。,SCED,框架定义,?,基本沿用,ED,的结构，,关键在于惩罚函数,?,当前的计算需要知道,SCED( Rest (R), Rest (S),、,SCED( Rest (R), S ),和,SCED( R , Rest (S),，,?,所以这是一个递归的过程。沿用,ED,中的方法即,用一个,m*n,矩阵来计算距离，,?,最终的,SCED,的距离计算应该定义为：,惩罚函数,?,被比较的元素是段。通过前面的分段处理，可,以得到,Sseg1,seg2,seg3,segn,。,?,每一个,seg,包含,start,（段的起点坐标）、,end,（段的终点坐标）、,speed,（段的平均直线速度）,和,direction,（段的方向）。,?,定义距离增量时，分别考虑位置，方向和速度,?,对于速度和角度上的差别，有代表权重的,kd,、,ks,，可根据实际需要调整。,