一种基于多维特征轨迹的出入库异常行为检测方法

本发明涉及运粮车辆监管与深度学习技术领域，公开了一种基于多维特征轨迹的出入库异常行为检测方法，实时采集运粮车辆出入库过程中产生的轨迹数据，并对轨迹数据进行预处理操作获得多维特征轨迹；将多维特征轨迹输入离线训练好的VAE‑LS网络，使用编码器压缩获得潜在变量，使用解码器得到重构数据，进而获得重建损失；然后将潜在变量与重建损失进行标准化处理后，拼接成三维特征点X；使用HDBSCAN聚类算法对三维特征点X进行聚类，对未被聚类到任何一个簇类中的离群特征点标记为出入库异常轨迹。本发明能够在无监督条件下自动识别运粮车辆出入库过程中的异常行为轨迹，适用于不同的粮库环境，提高了车辆监管的智能化水平。