25、主动场景识别评估与进展：技术解析与应用洞察

主动场景识别评估与进展：技术解析与应用洞察

1. 主动场景识别评估概述

主动场景识别（ASR）的评估主要聚焦于确定与ASR相关且可实证评估的论点和要求的满足程度。同时，还开展了一些实验以加深对关系拓扑选择的理解。在对所有场景类别进行关系拓扑选择时发现，基于优化关系拓扑的模型进行场景识别，相较于基于完整拓扑的识别方式，能持续节省时间，并且优化拓扑的隐式形状模型（ISM）树返回的误报识别结果数量较少，关系拓扑选择在其目标函数方面取得了高质量的结果。

2. 算法运行时间评估

2.1 姿态预测算法运行时间

为评估姿态预测算法的平均运行时间，重新使用了从先前为分析被动场景识别（PSR）运行时间而生成的合成数据中推导得出的所有ISM树。对每个场景类别中的所有对象进行姿态预测，并累加每个场景类别中各个对象的运行时间，此过程针对每个场景类别重复十次以获取平均预测运行时间。
评估结果总结如下：
- 运行时间曲线与对象数量呈线性关系，曲线斜率与轨迹长度相关，可假设轨迹长度和对象数量之间存在乘法关系。
- 算法的时间复杂度为 (O(l · |V(S, t)| · |{oP}|))，轨迹长度 (|V(S, t)|) 和缺失对象数量 (|{oP}|) 对计算成本有线性影响。
- 对于十个对象和轨迹长度为400的情况，预测对象姿态的最大运行时间为0.055秒，表明姿态预测对ASR的整体运行时间影响极小。

以下是姿态预测算法运行时间与对象数量、轨迹长度关系的示意图：
| 对象数量 | 轨迹长度100运行时间（s） | 轨迹长度200运行时间（s） | 轨迹长度300运行时间（s） | 轨迹长度400运行时间（s）