人体轨迹数据中异常的运动学检测
机器学习
2024-10-01 v1 人工智能
摘要
从历史上看，在理解、建模和挖掘人类轨迹数据方面的大部分研究都集中在个体停留的位置。因此，现有研究的重点在于用户去了哪里。另一方面，研究用户如何在位置之间移动具有巨大的新研究机遇潜力。运动学特征描述了个体如何在位置之间移动，可用于个体识别或异常检测等任务。遗憾的是，数据可用性和质量挑战使得运动学轨迹挖掘变得困难。在本文中，我们利用人类轨迹的 Geolife 数据集，研究了使用运动学特征识别个体和检测异常的可行性。我们表明，人类具有个体的“运动学特征”，可将其用作识别人类个体的强信号。我们通过实验表明，对于个体识别和异常检测这两个用例，将简单的运动学特征输入标准分类和异常检测算法可显著改善结果。
引用
@article{arxiv.2409.19136,
title = {Kinematic Detection of Anomalies in Human Trajectory Data},
author = {Lance Kennedy and Andreas Züfle},
journal= {arXiv preprint arXiv:2409.19136},
year = {2024}
}