基于路径签名和动态时间归形的在线目标识别

在连续域中的在线目标识别面临两个核心挑战：如何高效地编码大规模轨迹，以及如何有效地进行比较。近期研究通过使用自定义的状态空间表示和度量来比较观察与假设，但这些方法常常忽视了其他领域中已建立的编码技术，这些技术具有显著的优势。本文引入了一种新颖的在线目标识别方法，利用路径签名（path signature）——即粗路径理论中一种紧凑而具表达力的表示——高效捕捉轨迹的关键语义特征，从而实现更有意义的比较。实验表明，我们的方法在预测准确性和在线规划效率方面始终优于当前最先进的方法，而在离线场景则表现竞争力十足。