摘要
本发明提出一种基于轨迹重构的船舶轨迹异常检测方法,首先将船舶的运动轨迹转换为图像向量的形式,然后使用卷积自动编码器进行建模和训练。自动编码器的训练目标是在解码过程中最大限度地重建原始轨迹数据。训练完成后,通过比较模型输入轨迹与重构轨迹的差异,模型可以有效地识别轨迹异常。本发明只需要比较原始轨迹与重建轨迹之间的差异,从而大大降低了计算成本。此外,本发明的模型通过分析训练数据集中异常轨迹的比例,可以自动设置正常和异常轨迹距离阈值,避免了手动设置阈值的麻烦,使模型在各种实际场景中更容易应用。性能测试表明,本发明在训练过程中具有良好的收敛性能,准确率达到了90%以上的高标准。
技术关键词
异常轨迹
自动编码器
重构
重建原始数据
三次样条插值法
空间运动轨迹
船舶
深度学习算法
深度学习模型
图像
分辨率
异常数据
网格
解码