ABNORMAL OBJECT TRACK DETERMINATION USING A GAUSSIAN PROCESSES BASED VARIATIONAL BAYES EXPECTATION MAXIMISATION

Methods and apparatus for determining whether a provided object track (24) is abnormal, an object track (24) being a set of values of a physical property of an object (2)measured over a period of time, the method comprising: providing a model comprising one or more functions (26), each function (26) being representative of an object track (24) that is defined to be normal;assigning the provided object track (24) to a function (26); and comparing the provided object track (24) to the assigned function (26) to determine whether that object track (24) is abnormal. Providing the model comprises: for each of a plurality of objects (2), determining an object track (24),wherein the determined object tracks (24) are defined as normal object tracks (24); and using the determined tracks (24), performing a Gaussian Processes based Variational Bayes Expectation Maximisation process to learn the one or more functions (26). La présente invention concerne des procédés et un appareil de détermination permettant de savoir si une trajectoire d'objet (24) fournie est anormale, une trajectoire d'objet (24) étant un ensemble de valeurs d'une propriété physique d'un objet (2) mesurées sur une période de temps. Selon l'invention, le procédé fait appel : à l'utilisation d'un modèle comprenant une ou plusieurs fonctions (26), chaque fonction (26) étant représentative d'une trajectoire d'objet (24) qui est définie comme étant normale ; à l'affectation de la trajectoire d'objet (24) fournie à une fonction (26) ; et à la comparaison de la trajectoire d'objet (24) fournie à la fonction (26) affectée pour déterminer si la trajectoire d'objet (24) est anormale. L'utilisation du modèle fait appel : pour chacun de plusieurs objets (2), à la détermination d'une trajectoire d'objet (24), les trajectoires d'objet (24) déterminées étant définies comme étant des trajectoires d'objet (24) normales ; et à l'utilisation des trajectoires (24) déterminées, en effectuant un traitement de maximisation d'anticipation de Bayes sujette à des variations basée sur des traitements gaussiens pour apprendre la ou les fonctions (26).