Có bất kỳ kỹ thuật máy học để xác định điểm trên lô / hình ảnh?

Tôi có dữ liệu cho vị trí bên của mỗi chiếc xe theo thời gian và số làn đường như được hiển thị trong 3 ô này trong hình ảnh và dữ liệu mẫu bên dưới.

> a
   Frame.ID   xcoord Lane
1       452 27.39400    3
2       453 27.38331    3
3       454 27.42999    3
4       455 27.46512    3
5       456 27.49066    3

Vị trí bên thay đổi theo thời gian vì người lái xe không có quyền kiểm soát hoàn hảo đối với vị trí của xe. Thao tác thay đổi làn đường bắt đầu khi vị trí bên thay đổi mạnh mẽ và kết thúc khi biến thể trở lại 'bình thường'. Điều này không thể được xác định từ dữ liệu trực tiếp. Tôi phải xem xét thủ công từng ô của xe để xác định điểm bắt đầu và điểm kết thúc của việc điều chỉnh làn đường để ước tính thời gian thay đổi làn đường. Nhưng tôi có hàng ngàn phương tiện trong bộ dữ liệu. Bạn có thể vui lòng hướng dẫn tôi đến bất kỳ thuật toán phân tích hình ảnh / máy học có liên quan nào có thể được đào tạo để xác định những điểm này không? Tôi làm việc ở R. Cảm ơn trước.

Một dẫn xuất đầu tiên, trên bề mặt, sẽ làm điều đó. Tuy nhiên, dữ liệu bạn hiển thị có rất nhiều nhiễu trong đó, vì vậy chúng tôi cần một cách để đánh giá đạo hàm đầu tiên theo cách hơi ồn ào, hoặc ít nhất là trong một miền tần số loại bỏ jitter và duy trì sự thay đổi đạo hàm chính.

Phân tích Wavelet có thể đạt được điều này cho bạn, đặc biệt nếu bạn sử dụng đạo hàm đầu tiên của Gaussian làm sóng con của mẹ. R có một số gói wavelet phong nha (xem r-project.org để bắt đầu). Nếu bạn thực hiện biến đổi wavelet ở quy mô ngắn, điều này sẽ xác định vị trí của các bit của jitter trong tay lái. Nếu bạn làm điều đó ở quy mô lớn hơn (tức là tần số thấp hơn), bạn có thể chỉ tìm thấy sự thay đổi làn đường chứ không phải những người hốt hoảng nhỏ.

Nếu bạn huấn luyện biến đổi với một tập dữ liệu hợp lý, bạn sẽ có thể xác định tỷ lệ hoặc phạm vi tỷ lệ tương ứng với thay đổi làn đường. Nhưng lưu ý rằng nếu bạn không tìm ra điều đó, thì đây là một cái gì đó giống như O (n ^ 2), vì vậy hãy cố gắng thu hẹp phạm vi tỷ lệ xuống một chút để tiết kiệm thời gian tính toán.

Có vẻ như bạn chỉ cần tìm kiếm một vài giây cao hơn sau đó là đạo hàm tiếng ồn. Chỉ cần tính giá trị tuyệt đối của chênh lệch hữu hạn từ mỗi dấu thời gian đến giá trị cuối cùng (hoặc một trong số trước) và chờ đợi một loạt các giá trị cao. Đó là khi một sự thay đổi làn đường xảy ra.

Hãy thử gói changepoint . Tôi đã sử dụng nó trong một trường hợp tương tự.

Phân tích Changepoint là tên thống kê cho các phương pháp phát hiện các thay đổi giữa hai "chế độ". Một chiếc ô tô ở trong làn đường là một đường có độ dốc 0 tại điểm giữa của làn đường. Bạn có thể dễ dàng lắp một mô hình thống kê cho xe ô tô đang chạy trên làn đường. Làn đường thay đổi ô tô đang lái xe dọc theo một đường có độ dốc không bằng 0. Mô hình đã thay đổi. Phân tích Changepoint và gói changepoint, chính xác là những gì bạn cần để xác định điểm khi một mô hình thay đổi từ y=a' (straight and level) toy = a + bx` (đi lên hoặc xuống).