本文介绍了如何使用Python按照论文《Trajectory Pattern Mining》的第四部分，提取多条轨迹中的感兴趣区域（ROI）。首先，通过单元格密度计算，将轨迹映射到网格并计算密度。然后，设定阈值，找出平均密度大于等于阈值的矩形ROI。实现过程包括：找出高密度单元格，以最大密度单元格为起点，向上、下、左、右四个方向拓展，并计算拓展后的区域平均密度，选择符合条件的最大区域。
引言
某课程的一次平时作业是做论文报告《Trajectory Pattern Mining》，该篇论文作者是Fosca Giannotti、 Mirco Nanni、Dino Pedreschi、Fabio Pinelli等。我负责研读该论文的第4部分REGIONS-OF-INTEREST，即从多条轨迹中提取出感兴趣区域（ROI）。按照论文介绍和自己的理解，使用Python做了一个简单的程序来展示这部分。整体上提取ROI分为以下两个步骤。
单元格密度计算
按我的理解，这一部分就是把多条轨迹映射在网格上，单元格被一条轨迹经过密度+1，最后计算得出网格的每个单元格的密度。
感兴趣区域提取
这一部分相当于图中的b到c。设置一个密度阈值（min），根据每个单元格的密度，找出平均密度大于等于密度阈值的矩形区域，即感兴趣区域（ROI）。
实现过程：
1.密度>=阈值的单元格降序集合
2.从最大密度的单元格开始
3.左右上下拓展区域
4.分别计算四个区域平均密度
5.找出最大并且>=阈值的拓展方向
最低0.47元/天 解锁文章
扫一扫
4591
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
