%0 Journal Article
%T Automatic Validating and Clustering Method for Trajectories of Moving Objects in Real Scene<br>真实场景运动目标轨迹有效性判断与自动聚类算法研究*
%A 潘奇明
%A 程咏梅
%A 杨涛
%A 潘泉
%A 赵春晖
%J 计算机应用研究
%D 2007
%I 
%X 提出了真实场景中的运动目标轨迹有效性判断与自动聚类方法。利用轨迹长度、坐标值方差及目标相邻两帧运动方向等信息，对轨迹进行了预处理，得到有效的轨迹，然后以其作为样本，计算轨迹之间的空间相似距离，采用K均值聚类法，按轨迹的几何形状完成了轨迹聚类。提出了利用目标运动的起始点及整个运动过程中目标的运动方向信息，采用K均值聚类方法，进一步按目标的运动方向完成了轨迹聚类。两种真实场景的目标轨迹聚类结果证明了该方法的有效性。其研究结果为学习轨迹模式、目标运动轨迹识别、分类、异常检测奠定了基础。
%K 轨迹聚类
%K K均值
%K 轨迹识别
%K 分类
%K 异常检测
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=A9D9BE08CDC44144BE8B5685705D3AED&aid=82E5F89684BFC62D6D80148985830B1B&yid=A732AF04DDA03BB3&vid=B91E8C6D6FE990DB&iid=E158A972A605785F&sid=4C100B7696CE9E24&eid=1B97AE5098AEB49C&journal_id=1001-3695&journal_name=计算机应用研究&referenced_num=0&reference_num=0