基于GRU-VAE的无监督航迹异常检测方法

打开文本图片集

摘 要：针对海量无行为模式标签航迹数据的目标行为异常检测问题，提出一种基于门控循环单元的变分自编码器模型（Gate Recurrent Unit-Variational Autoencoder，GRU-VAE）无监督航迹异常检测方法。该方法通过检测航迹异常发现目标的行为异常，分为模型训练阶段和异常检测阶段两步实施：在模型训练阶段，构建了以GRU和VAE为主要结构元素的基于门控循环单元的变分自编码器模型，利用无异常信息标签的历史航迹数据对GRU-VAE模型进行训练，根据训练集的航迹点重构损失分布情况，采用正态分布法或百分位数法划定置信区间为航迹点重构损失门限;在异常检测阶段，该模型对实时航迹数据集进行检测，将重构损失超出航迹点重构损失门限的航迹点视为异常航迹点，当航迹序列中的异常航迹点占比超出占比阈值时，判定为异常航迹序列，结合数据异常情况向一线人员发送目标的异常行为信息。（剩余19179字）