基于语义标注的室内异常事件检测的研究

为解决办公室内常用电器设备在多交叉事件情况下发生的异常的检测问题,我们利用联合传感器(MMJS)采集现场设备活动的数据信息,利用多媒体本体(MMO)作为由MMJS处理得到的数据信息和程序共享的知识描述载体,基于语义标注的信息上下文线索,提出了一个实时发现室内办公设备异常的多交叉事件模型.实验证实该方法对室内设备的异常事件检测具有很好的性能,模型具有可扩展性.     

智能视频异常检测事件研究分析

目前,国内大多数视频监控主要是录制视频数据,用于事后取证,或将视频数据传输到监控中心,由大量工作人员观测和分析所传输的视频数据,存在人工成本过高、数据实时性处理得不到保证等问题。为此,针对当前智能视频监控中的视频异常检测事件,提供了视频异常事件的定义、检测流程以及所使用的主要方法,并总结了智能视频异常检测技术。     

基于情境和事件的生产异常表示和监测方法

随着传感器技术、通信技术的高速发展,实时监测工业生产中加工状况成为可能。为了实时监测生产车间中的异常,根据生产现场感知到情境信息的特点,提出异常信息表示方法。分别构建情境模型和事件模型,结合两者的特点,提出Event-Context异常信息表示方法;根据事件的不同类型将异常归结为七种模式,并转换为复杂事件形式,应用复杂事件处理引擎Esper进行异常识别;对事件流进行预处理解决了因同源事件的干扰而未能识别出全部异常和正常识别为异常的问题。实验结果表明,该方法能够更准确识别出生产中异常情况。     

河网中具有时空关系的异常事件在线检测

当网络异常事件发生时,传感器节点间的时空相关性往往非常明显.而现有方法通常将时间和空间数据性质分开考虑,提出一种分散的基于概率图模型的时空异常事件检测算法.该算法首先利用连通支配集算法(CDS)选择部分传感器节点监测,避免监测所有的传感器节点;然后通过马尔可夫链(MC)预测时间异常事件;最后用贝叶斯网络(BN)推测空间异常事件是否出现,结合时空事件来预测异常事件是否会发生.与简单阈值算法和基于贝叶斯网络算法对比,实验结果表明该算法有高检测精度、低延迟率, 能大幅降低通信开销,提高响应速度.     

基于堆栈回溯的异常处理

针对异常发生时无法及时有效利用异常发生的上下文信息的问题,在堆栈回溯获得上下文信息的基础上,提出一种能够记录异常信息便于线下分析,同时能够基于预设规则库支持线上对系统应用进行重构的异常处理方法。对PowerPC构架下的堆栈结构进行研究并设计基于堆栈回溯的函数溯源算法;对系统工作状态进行分析抽象,采用有限状态机建立系统异常处理时的状态迁移模型,阐述异常处理的设计实现过程。实验结果表明,该方法能够有效实现对异常的线上线下处理,提升了改进系统应用缺陷的效率,增强了系统应用的容错性和健壮性。     

DCS系统异常事件管理实时软件设计

ＤＣＳ系统一般要求实时响应过程各子系统异步发生的事件，准确记录其发生时间、类型，并给予必要的声光提示或报警，本文论述了在实时多任务环境下过程报警等典型事件的检测和触发设计方法，并给出了在个人计算机上事件记录声光报警实时管理的实现。     

在WINDOWS NT中运行DOS应用程序

由于历史的原因,我们都曾在16位的DOS操作系统上开发过许多有价值的应用程序.现在,如何在功能非常强大的32位WINDOWS NT操作系统上运行这些应用程序,就成为我们所面临的一项重要任务.所幸的是,WINDOWS NT通过“虚拟DOS机制”(VDM)提供了对DOS应用程序的支持,但使用起来却有一定的限制.为了成功地运行这些DOS程序,首先必须对WINDOWS NT的VDM有一个清楚的认识.     

基于HMM监控视频的异常事件检测

针对智能监控系统中的行为分析与识别,将隐马尔可夫模型（Hidden Markov model,HMM）应用到智能视频监控系统的异常事件检测中。首先应用背景差法将运动目标提取出来。其次将运动目标的形状、颜色和帧间变化度等特征编码,生成特征向量。训 练时将特征向量送入HMM训练得到隐马尔可夫模型需要的参数[WTHX]A和B[WTBZ],检测时将特征向量送入HMM检测系统检测是否有异常事件发生。最后的实验结果表明,该方法能快速有效地检测监控视频中的异常事件的发生。     

智能交通异常事件检测系统的分析与设计

在智能交通系统中,异常事件的检测方法是其中的关键技术和难点之一。基于视频检测和数字图像处理技术,在已有道路交通监控设施等硬件设备的前提下,提出了一种高效的智能交通异常事件检测系统,采用了C/S模式对其进行了分析与设计。     

夜晚车辆异常事件分析

夜晚车道模型是车辆跟踪和车辆行为分析的基础,但是当高速公路或者城市道路光线较暗时,很难通过车道检测的方法来建立车道模型,夜晚车辆快速行驶或相邻帧车辆之间重叠度较低时无法实现准确跟踪。针对此类问题提出了一种基于学习的车道模型建立方法和基于多帧的最佳匹配跟踪方法。首先利用自动多阈值分割方法提取场景中光亮的目标;其次,利用车灯的相关特征移除非车灯光亮区域;接着,利用空间信息把车灯聚类成一个车辆目标,利用多帧的最佳匹配跟踪方法进行跟踪;最后利用车辆跟踪参数与车道模型的融合对夜晚车辆异常事件进行分析。实验结果表明,该算法能够准确地检测出夜晚车辆换道、逆向行驶、交通拥挤、停车等异常事件,并且有很强的鲁棒性。     

多尺度时间序列异常事件检测

给出了时间序列中异常事件的多尺度检测方法。该方法基于小波变换模极大值。异常事件可以在各个尺度上进行观察,这是通过沿小波变换模极大值线搜索完成的。并给出了算法实现和在时间序列中的应用。     

关于C++中异常处理的探讨

异常处理是C++中的重要功能之一,为了检测和处理异常,C++语言不仅提供了一套完整的异常侦测和处理语句,还具有在堆栈展开期间为异常抛掷前构造的所有局部对象自动调用析构函数的能力。这使得程序中的错误的检测简单化,并提高程序处理错误的能力。本文将探讨C++中异常处理的基本思想以及编程中常用的异常处理方式。     

WSN中基于压缩感知的异常事件检测方案

异常事件检测问题是无线传感器网络中的研究热点之一。为提高检测效率,提出一种基于压缩感知的异常事件检测方案。通过压缩采样得到各个节点感知数据的测量值,将异常事件检测问题建模为带权的l_1范数最小化问题,采用正交匹配追踪算法进行迭代求解,根据检测函数对求解结果进行判断,并依据判断结果更新权值,开始下一轮迭代,直到检测出无线传感器网络中存在的所有异常事件。仿真实验结果表明,该方案的漏检率和误警率较低,与CCM和GEP-ADS方案相比,分别能节省约4.1%和5.8%的能耗。     

夜晚车辆异常事件分析

夜晚车道模型是车辆跟踪和车辆行为分析的基础,但是当高速公路或者城市道路光线较暗时,很难通过车道检测的方法来建立车道模型,夜晚车辆快速行驶或相邻帧车辆之间重叠度较低时无法实现准确跟踪。针对此类问题提出了一种基于学习的车道模型建立方法和基于多帧的最佳匹配跟踪方法。首先利用自动多阈值分割方法提取场景中光亮的目标;其次,利用车灯的相关特征移除非车灯光亮区域;接着,利用空间信息把车灯聚类成一个车辆目标,利用多帧的最佳匹配跟踪方法进行跟踪;最后利用车辆跟踪参数与车道模型的融合对夜晚车辆异常事件进行分析。实验结果表明,该算法能够准确地检测出夜晚车辆换道、逆向行驶、交通拥挤、停车等异常事件,并且有很强的鲁棒性。     

工作流系统中异常处理的研究

工作流技术在实现业务流程自动化和企业应用集成等方面有着广泛的应用。但由于工作流的流程运行时间跨度一般较大，在流程运行期间可能会出现多种异常情况。文章对工作流异常处理进行了初步探讨，首先介绍了工作流异常概念、起因、分类以及常见的异常处理策略。然后详细介绍了常见的工作流异常处理的各种方法以及各种方法之间的优劣。最后展望了工作流异常处理的未来发展方向。     

基于卷积自编码器分块学习的视频异常事件检测与定位

视频异常事件检测与定位旨在检测视频中发生的异常事件,并锁定其在视频中发生的位置.但是视频场景复杂多样,并且异常发生的位置随机多变,导致发生的异常事件难以被精准定位.本文提出了一种基于卷积自编码器分块学习的视频异常事件检测与定位方法,首先将视频帧进行均匀划分,提取视频帧中每一块的光流和方向梯度直方图(Histogram ...     

基于HEVC的车辆异常事件检测

当前传统交通事故检测和查阅主要通过人工监测的方法,这种方法效率低且实时性差,本文提出一种基于最新压缩域视频编码标准HEVC（High-efficiency video coding）的车辆异常事件检测方法。首先对HEVC码流中提取出的运动矢量信息进行运动矢量累积迭代和中值滤波的预处理,之后根据提取出的块划分信息和运动矢量信息计算运动对象的运动强度,然后根据运动强度值和八连通区域法提取出运动对象,最后根据空间距离法和运动强度判别法检测出视频序列中发生的车辆异常事件。实验证明,该方法可以准确地检测出视频序列中发生的车辆异常事件;对于有着快速移动的运动目标以及多个运动目标的视频效果更好。     

在DOS环境下实现Foxbase的多任务功能

本文介绍了如何在FOXBASE中通过用DOS的PRINT命令,实现打印与处理其它事务同时进行的多任务功能.它能有效地提高微机的利用率和工作效率.