PIR传感器网络中行为轨迹重构的几何代数方法

基于高密度、低成本的PIR（Passive Infrared Detector）被动式红外探测器传感器进行人群行为轨迹的定位与重建是人群行为分析的重要方向.PIR传感器通过0-1响应确定附近是否有行人通过,并通过不同传感器响应序列的时空序列关系实现对人群行为轨迹的识别与跟踪.已有PIR传感器网络分析方法多从群体行为视角揭示人群运动的统计特征,在行为估算精度、不确定性等方面仍存在诸多问题.本文针对PIR传感器网络中个人行为轨迹的重构问题,引入几何代数工具,实现PIR传感器网络拓扑、时空响应数据序列和行为轨迹的代数化统一表达,进而以传感器响应的时空关系为基础进行网络连通性的判定.基于几何代数算子构建轨迹路径的延拓与扩展规则,并集成传感器对轨迹的时空响应关系构建基于PIR传感器网络响应序列数据的行为轨迹重构算法.最后以MERL实验室连续观测数据为案例,论证了方法的合理性与有效性.     

基于结构相似度的轨迹聚类算法

针对目前轨迹数据聚类直接以整条轨迹数据作为基本单元,导致聚类效果降低的问题,提出了基于结构相似度的轨迹聚类算法。算法引入轨迹结构的概念,并给出结构相似度计算函数来分析轨迹内外部特征。首先根据转角将轨迹划分成若干轨迹段,然后通过计算轨迹段的结构相似度来判断轨迹的匹配程度,进而完成轨迹聚类。真实数据的实验结果表明:该算法较其他同类算法分析轨迹更全面、效率更高;可以通过不同参数灵活调整特征的敏感度,聚类结果更具有实际意义。     

空中目标自适应分段轨迹样式识别

常规空中目标轨迹识别方法能够识别单一轨迹样式,但对于复杂轨迹样式识别效果差。文中提出一种基于Softmax多分类网络的空中目标自适应分段轨迹识别算法。首先,通过滑窗在时间上遍历整条复杂轨迹序列,在窗内利用设计的拟合方程对窗内轨迹进行拟合,得到方程参数;然后,基于方程参数训练Softmax分类网络模型,完成基于方程参数的窗内轨迹样式识别;最后,考虑到窗内识别错误及其特征,将识别结果进行同类合并,并基于Haar小波重构对识别结果进行修正,消除离散错误识别结果。仿真结果表明：文中所提方法能有效地对复杂轨迹样式进行分段识别。     

基于混合高斯模型和主成分分析的轨迹分析行为识别方法

针对家庭辅助生活应用场景下的目标意图识别和异常行为判别问题,提出了一种基于目标轨迹的行为分析方法.首先,提出了关键点和关键区域的概念,将家庭环境划分为不同的关键点和关键区域,并以此来描述和区分不同轨迹;然后,提出了利用混合高斯模型的关键点及关键区域获取算法,将轨迹转化为关键点及关键区域表示,并以此为基础进行了行为意图的识别和部分异常轨迹的判断;最后,借助主成分分析的方法弥补混合高斯聚类在异常轨迹识别方面的缺陷,提高了识别准确率.实验表明,该方法能够有效的对行为意图和异常行为进行识别.     

基于短时轨迹检测的红外弱小目标轨迹检测算法

为解决虚警率较高情况下红外弱小目标轨迹检测效率下降严重的问题,本文提出一种基于短时轨迹检测的红外弱小目标轨迹检测算法.算法首先在相邻帧间进行短时轨迹检测,然后以短时轨迹为基础建立新的轨迹结构并结合轨迹关联算法完成目标轨迹的检测.文章推导了算法的虚警率和检测概率的关系,证明了本文提出的算法相比单帧检测结合轨迹关联的算法具有更好的检测性能.通过对仿真和实际红外图像序列进行实验表明,本文算法能够在准确检测弱小目标的同时有效的减少无效轨迹的数量,从而提高了算法的执行效率.     

基于轨迹分析的异常行为识别与管控研究

人类行为识别是模式识别领域的一个重要研究方向,是综合了计算机视觉与机器学习的多领域学科。而异常行为的识别与管控,因为其行为主体与行为模式的复杂性,是人类行为识别领域中的重点与难点。本文采用了一种新的运动目标轨迹提取算法,通过计算轨迹的特征向量,采用词袋模型进行建模,再把提取到的特征投入到支持向量机SVM(Support Vector Machine)中进行学习。我们在国际标准暴力行为视频数据库Hocky Fights上实现了实验仿真,获得了很好的识别分类效果。监狱内罪犯的暴力行为的识别将是我们下一步研究的重点。     

基于轨迹分析的交通目标异常行为识别

针对交通监控中运动目标的异常行为识别问题,提出一种基于轨迹分析的异常行为识别方法。首先,引入目标的空间位置、运动速度、运动方向和大小尺寸等特征参数对轨迹进行描述和聚类,以提高对目标轨迹的区分和识别能力;然后,提出一种行为识别数据库的建立和调用方法,并以实际交通场景为例,详细说明了数据库的建立和调用过程;最后,采用基于Bayes最优化的方法对轨迹进行联合匹配和边缘匹配,并根据匹配情况调用行为识别数据库对目标行为进行识别。实验结果表明,该方法切实有效,具有一定的实际应用价值。     

基于地铁复杂场景下异常行为的视频分析研究

为减少异常行为在公共场所造成的安全隐患,以复杂场景地铁为研究背景,从人工智能的角度出发,全面地分析异常行为特征并进行系统设计,快速标定视频监控场景。在上下文场景模型与异常行为模型建立的基础上,采用改进camshift算法对轨迹间断进行填补并跟踪,提出了一种以轨迹属性集对晕倒异常行为进行表征。实验结果表明,该算法能够快速分析地铁场景中的晕倒行为并及时预警,检测率为89.9%。     

两个新的特征提取轨迹网络模型

稀疏轨迹网络利用输入模式时间序列形成类的轨迹,初步实现了空时联合不变性特征提取,但不同类别的轨迹可能重叠,不利于准确分类。本文首先将不同类别轨迹之间的距离等因素引入学习算法,对轨迹调整进行自适应优化,提出一种自适应轨迹神经网络模型：进而从神经元的特性出发,以自适应Ｓｉｇｍｏｉｄ函数包作为激活函数,改善不同类别在特特征空间分布情况,提出一种量子轨迹神经网络模型。模型在任意手写体数字识别上测试了特征提     

时空轨迹应用分类及其智能处理方法分析

时空轨迹是目标对象行为活动的直接表现，为了深入探究时空轨迹的应用情况与关键技术，首先按照目标类型属性、轨迹获取方式、轨迹行为特征等方面对时空轨迹应用分类进行了全面的分析和梳理，其次从精确定位、聚类检测、拼接融合、分离识别、跟踪预测等技术层面提出了轨迹智能处理相关理论和方法，为推动时空轨迹处理技术与产业应用发展提供了方向。     

消防水炮射流轨迹图像的分割与识别算法研究

提出了一种基于改进OSTU法和区域生长相结合的消防水炮射流轨迹图像的分割与识别算法。首先对OSTU法进行改进,快速确定射流轨迹差分图像的最佳分割阈值,再用区域生长法分割得到可能的目标区域。对消防水炮喷射水流的形态特征进行了研究和分析,并以此为判据对可疑目标区域进行判断,最后识别出真正的射流轨迹。实验结果表明:该算法在不同光照条件、背景情况下,基本可以摒除干扰物,准确识别目标,且处理速度较快。     

面向数据挖掘的时间序列符号化方法研究

针对时间序列的数据挖掘首先需要将时间序列（Ｔｉｍｅ Ｓｅｒｉｅｓ）数据转换为离散的符号序列（Ｓｙｍｂｏｌ Ｓｅｑｕｅｎｃｅｓ）,本文提出了一个简单高效的时间我符号化方法,该方法的特点：一是利用线性化分段表示法所独有的形态分割与表达能力实现了时间序列的分段与表示：二是利用神经网络模糊聚类算法实现了时间序列的在线聚类。提出以矢量间开矿相似性度量作为聚类依据。并利用该方法实现了对金融领域时间序列数据的符     

成像制导中的红外图像分割算法

采用凝视焦平面阵列(FPA)的红外成像制导技术以其优越的性能在空空导弹中得到了广泛的应用.由于空中飞机目标表面各部位的温度不同,使得红外成像探测装置获得的目标图像的不同部位存在着较大的灰度差异,这给正确分割出目标带来了很大的困难.针对飞机目标红外图像的特点和成像制导技术中图像分割的目的,文中提出了一种有利于目标特征点识别的图像分割算法,它首先对目标红外图像进行阈值分割,然后选取合适的结构元素并利用数学形态学的并行性特点对目标内部的空洞区域进行填充,最后得到比较精确的分割图像,这种分割结果对基于灰度连续性的目标特征点识别算法非常有利.     

Application of SVM and its Improved Model in Image Segmentation

In the research and application of images, people are often only interested in the foreground or specific area of the image, so it is necessary to extract the specific area from the image, and image segmentation technology is the key to solving this problem. Aiming at the complex background and the color image with unclear target contour as the target image to be segmented, this paper first uses the texture and color of the image as the feature vector, and proposes an image segmentation algorithm based on SVM. The experimental results show that the segmentation accuracy is 91.23%. Secondly, in order to improve the accuracy of segmentation, the SVM algorithm is improved. The improved SVM algorithm is based on the grid search method to optimize the parameters C and g in the SVM. At the same time, the HIS color channel is added to the feature vector to obtain more Excellent SVM image segmentation model. Finally, the color image segmentation is verified and compared with the standard SVM algorithm. The experimental results show that the accuracy rate of the improved SVM algorithm reaches 97.263%, which improves the segmentation efficiency. It is verified that the improved model proposed in this paper can effectively segment complex color images.

     

基于邻域空间特征的低对比度小目标分割算法

低对比度图像具有邻近像素的空间相关性高、灰度变化不明显等特点,从中分割出微小目标是非常困难的。本文提出一种新的低对比度图像提取小目标的分割算法,通过引进局部均匀度,结合局部熵获得空间分布状态,对低对比度图像进行分割,该算法充分利用了目标图像的灰度和空间属性。实验结果表明,该方法能有效地实现低对比度小目标图像的分割。相对于其他算法,分割精度更高,且抗噪性强,可以有效地降低过分分割问题。     

红外高炮弹点目标序列图像自动提取

针对光电经纬仪跟踪测量过程的红外高炮序列图像的弹点目标,进行了相关研究。结合目标弹道轨迹规律,动态预测下一弹点位置,以预测点为中心的小范围图像区域内,使用最大类间差OSTU阈值法分割图像,对分割后的二值化图像进行连通性分析,提取出目标的脱靶量。以分辨率640×512的1000帧红外序列图像为实验数据,能够在2min内自动处理完成,且目标提取准确度99%以上。     

一种基于最大类间方差和区域生长的图像分割法

提出一种基于一维最大类间方差和区域生长的图像分割法。首先用一维最大类间方差法确定最佳分割阈值,再用改进的区域生长法分割得到目标。实验结果表明,该分割算法不仅适用于简单的图像分割问题,而且对于背景复杂、光照不均匀的图像也能取得较好的分割效果。该算法计算量小,实时性和分割精度均有一定优势,在提取目标的同时,不留下任何背景像素,使下一步的目标识别更为简单。     

基于最佳熵的三维Otsu图像分割算法

针对三维Otsu分割算法运算量大的问题,本文提出了一种基于最佳熵的三维Otsu图像分割算法。文章中,我们首先采用最佳熵方法初步提取图像的目标区域,并根据目标区域的平均灰度确定三维Otsu图像分割算法的背景区域搜索范围,然后采用三维Otsu算法并结合遗传算法对原图像进行分割。实验结果表明,与三维Otsu阈值分割方法的递推算法相比,该方法能够进一步减少运算时间。     

基于能量梯度场映射关系的红外图像分割方法

为了解决红外图像在图像配准中对比度低、背景复杂、红外目标受噪声干扰严重、传统分割方法易产生过分割或欠分割的问题,提出了一种基于改进的脉冲耦合神经网络(PCNN)和形态学方法的红外图像分割算法。首先根据图像能量分布情况提取纹理图像,将纹理图像通过PCNN进行分割,PCNN的链接强度根据区域能量在梯度场的变化自适应设定;由于PCNN的点火位置集中于红外目标部分,通过点火映射图可以得到连贯清晰的红外目标轮廓;再通过形态学方法滤除背景干扰。结果表明,该方法能够精确分割红外图像,分割结果优于传统方法。     

高旋掠飞弹载激光雷达对地面装甲目标的分割与识别

为了完成搭载单元激光雷达的高旋掠飞弹药对地面装甲目标的提取与识别,充分考虑高旋掠飞弹药的稳态扫描过程,提出了一种用于弹载单元激光雷达一维距离像的目标分割与识别方法。首先通过基于梯度的自动生长阈值分割算法对一维点云数据进行预分割,并获取初始聚类数与聚类中心;接着基于改进的kmeans算法对分割结果进行调整,实现对装甲目标的优化分割;最后将分割出的目标与真实装甲目标进行特征匹配从而识别装甲目标。实验结果表明:此方法能在不同的高度、视场角下有效地对装甲目标进行分割与识别,为高旋掠飞弹药目标识别研究提供技术支持。