基于网络的时空数据生成器

高效标准的时空数据库系统需要精确、适当的仿真数据集模拟移动物体的特征行为,而现有的时空数据生成器都忽略移动物体的运动都是受限运动,是基于网络的运动.研究并实现了一种新的基于网络的时空生成器.     

运动物体观测论

为了解决运动物体的观测问题,文章先论述了光速是光子相对于光源的速度,介绍了光在纯粹的空间中和介质中的传播特性;提出了运动参考系时空、视时空和静止参考系时空的概念;分别导出了物体在纯粹的空间中和移动的介质中运动时,运动参考系时空、视时空与静止参考系时空的相互关系。运动物体观测论解决了运动物体的观测问题,运动不会产生长度变化、时间变化和质量变化,不存在光障。     

基于生成对抗网络去除车辆图像运动模糊模型

提出一种基于生成对抗网络的去除车辆图像运动模糊的网络模型.该模型引入多尺度递归网络作为生成对抗网络的生成器,生成器包含3层网络,每层网络中叠加多层残差块,对模糊图像进行由粗糙到精细的处理,并经由判别器进行判别.利用公开数据集PKU-VD进行实验,实验结果表明,由该模型去除运动模糊后的图像比较清晰,可以分辨细节内容,且峰值信噪比达到29.52,优于常用模型.     

无线Ad Hoc网络中组移动条件下的数据缓存改进方法

无线Ad Hoc网络中的移动节点运动常导致节点链接中断,造成网络连通性的动态变化,降低了数据的可用性,数据复制技术是该环境下提高数据可用性的可行解决方案。针对实际场景节点运动的相互关联性,即群移动特性,提出了一种基于组移动条件下的改进型动态数据副本复制算法GM_Rep,将具有类似运动趋势的移动主机作为整体对象动态地进行复制数据副本分配优化。MATLAB仿真表明,该算法可以有效地提高存在群移动特性的无线Ad Hoc网络的数据可用性。     

ORBTSDF-SCNet：一种动态场景在线三维重建方法

传统的三维重建技术在面对移动物体干扰时难以有效完成场景重建任务。针对该问题，本文提出一种基于SLAM(Simultaneous Localization and Mapping）、TSDF(Truncated Signed Distance Function）和SCNet(Sample Consistency Networks）实例分割网络的三维重建方法ORBTSDF-SCNet。该方法采用深度相机或双目相机获取重建物体及场景的深度图与RGB图，且基于ORB＿SLAM2实时获取位姿信息；采用基于结构化点云数据的表面重建算法TSDF与深度图相结合，实现在线三维模型重建；为了消除场景中移动物体对场景三维重建的干扰，提出采用SCNet实例分割网络检测和分割移动物体，并结合优化策略减小检测和实例分割误差以及深度图和RGB图对准误差。通过抠除移动物体，保证了重建场景的完整性。在ICL-NUIM、TUM数据集上的实验表明了本文所提方法的有效性。     

基于有趣地点压缩的时空轨迹聚类

研究移动物体时空轨迹局部关键地点时空相似的聚类问题.根据移动物体的运动状态提取轨迹中的有趣地点,利用最小包围盒技术对这些有趣地点进行描述,得到基于有趣地点压缩的轨迹表示形式;然后给出一个时空属性相结合的相似性度量公式,对压缩表示的轨迹进行相似性度量;基于这个相似性度量公式对轨迹进行聚类,聚类方法采用层次聚类法.实验结果表明,本文提出的方法能有效地对移动物体时空轨迹进行聚类,由于采用了增量式的轨迹压缩方法,不仅提高了聚类的速度,而且还实现了增量式的轨迹聚类.     

移动对象索引ST-tree

随着计算机网络和无限定位技术的发展,移动对象数据管理已经成为大数据时代新型数据库技术的重要组成部分.当前,移动对象数据库(MOD)研究重点之一是基于路网的移动对象数据索引技术.该文研究一种基于时空”对称”和”统一”处理的索引模式ST-tree.首先,根据路网移动对象特征,以空间间隔和时间期间组成的时空矩形为技术处理单元,讨论了一般区间元素集合上基于下右优先遍历序列的结构关系;其次,将时空矩形数据集合映射为空间间隔集合和时间期间集合,应用区间结构关系建立了路网移动对象数据集合数据结构;另外,由此研究了基于历史信息的移动对象索引ST-tree,它具有“一次一集合”的数据操作模式;最后,采用常规用例数据设计了基本仿真,通过与现有基本工作比较评估表明了ST-tree的可行性与有效性.     

基于移动大数据的城市空间结构感知

准确描绘城市结构、深刻理解城市特性对于智慧城市建设、提升居民生活体验至关重要。遍布于城市的基础设施,如公交车站、银行网点、移动网络等,提供了大量具有时空标记、描述个人行为的数据,使得基于人类行为的城市时空特性分析成为可能,且逐渐成为城市研究的热点。针对这些移动大数据,提出一种方法,将人类移动行为投影到城市空间实体之间的联系中,从而可以方便地从整体和局部研究城市空间实体间联系。基于该方法,利用中国西南某地级市手机上网数据进行实证研究,发现城市空间实体间联系的变化具备周期性,且城市空间结构存在与行政区划相一致的区域中心,这些区域中心的时空变化,反映了人类作息习惯与移动特性。研究结果揭示了城市空间联系的动态特性,为数据治理城市、基础设施的合理配置和资源分配提供了有效的依据。所提出的方法提供一个新的视角,将人类运动整合到空间分布式系统的研究中。     

基于电磁信号的相对论时空测量

对高速运动物体的时空测量,只有洛仑兹变换是不够的,必须涉及信号传递.基于电磁信号,对相对论时空测量进行了研究,得出时空测量的基本公式.并就一些实际问题进行了讨论.     

基于移动通讯数据的用户行为可视分析

手机通话记录数据反映了人类的生活行为。基于数量庞大、类型繁多的移动数据,设计了多视图多粒度可视方式,对城市居民消费分布规律、个体活动轨迹、个体紧密社会关系网络进行分析;基于数据的时空属性,关联时空对比可视分析,对个体活动位置、活动范围等进行分析;在此基础上,设计并实现了移动通讯用户行为可视分析系统。结果表明,该系统在用户交互下能有效识别用户活动规律。     

基于网格分组移动对象的索引方法

针对目前使用广泛的移动对象索引技术对受限范围内的海量数据索引管理问题.引入了网格技术实现移动对象的分组管理,提出了基于网格分组的移动对象GG TPR树索引方法.该方法利用网格分组的方式,将位置与运动行为接近的移动对象进行整体维护和批量管理,从而减少索引维护的中间环节,提高移动对象的索引效率.模拟实验结果表明,利用GG TPR树索引受限范围内的海量数据较已有的移动对象索引方法性能更优.     

一种基于SIFT的遮挡目标跟踪算法

针对运动目标遮挡的难题,提出一种新的遮挡目标跟踪算法.采用三帧取均值进行背景建模,采用相邻帧差法和背景差分结合自动提取出运动目标,对单运动目标生成SIFI(scale invariant feature transform)向量.当运动目标处于遮挡状态时,将遮挡区域与单运动目标进行SIFT特征匹配,通过特征匹配点的坐标...     

移动对象轨迹预测

为了帮助人们了解移动对象轨迹预测研究领域的成果,并准确预测移动目标运动趋势,对国内外相关文献进行了系统梳理和归纳。从基于物理机理建模、基于移动对象行为建模和基于移动个体交互建模三个方面对移动对象轨迹预测技术进行了分析。分别阐述了相关算法的核心原理方法,以及在轨迹预测中的适用范围和优缺点,指出移动对象轨迹预测研究所面临的挑战和研究重点。     

一种基于SIFT的遮挡目标跟踪算法

针对运动目标遮挡的难题,提出一种新的遮挡目标跟踪算法。采用三帧取均值进行背景建模,采用相邻帧差法和背景差分结合自动提取出运动目标,对单运动目标生成SIFT(scale invariant feature transform)向量。当运动目标处于遮挡状态时,将遮挡区域与单运动目标进行SIFT特征匹配,通过特征匹配点的坐标,找出单运动目标在遮挡区域中的位置,并对SIFT特征匹配运用RANSAC算法进行优化,实现遮挡情况下目标的有效跟踪。实验表明,该算法能准确地跟踪处于遮挡中的目标,实现运动目标跟踪的连续性和稳定性。     

基于边界标记的目标形状描述方法及其应用

利用相对于重心的距离展开函数,研究一种基于边界标记的运动目标的形状描述方法,该方法既能解决运动目标的平移、缩放和旋转不变性,又能很好地描述形状复杂的运动目标(存在空洞、边界不规则等);在利用运动的合成和分解、运动相对性原理等物体运动学规律的基础上,还可以很好地实现运动目标的碰撞预测。仿真实验表明,该方法能够有效预测两个具有不同速度和不同方向的运动物体是否发生碰撞。     

Multi-features Based Approach for Moving Shadow Detection

IntroductionAs the core of smart surveillance system, image analysistechnology has been used to many fields including home andcommunity surveillance, and transportation monitoring. Themain aim is to detect special moving objects, such as vehicle,walking person, etc. By computing object features as motion,shape, color, texture, centroid, and area, the events in thescene can be evaluated. The requirements of moving objectdetection is the tracking application should be robus…     

时空网格(ST-GRID)移动对象数据库模型

有效的存储和查询数据库管理系统中的移动对象受到了大量的关注，有一些是针对管理移动对象动态改变信息的应用。在本文中，把时间和空间变换成时空网格模型(ST-GRID)，把移动对象的运动轨迹转换成时空网格上的折线，用这种存储结构来管理移动对象，并给出产生折线轨迹的RippleInsert算法及移动对象突然改变目的地的解决方案。     

一种改进的移动对象时空数据模型

分析了MOST模型和离散模型各自存在的问题，给出一种改进的移动对象时空数据模型HCFMOST．模型采用三次Hermite插值函数模拟移动对象的历史单元的轨迹且利用线性函数模拟移动对象的当前单元的轨迹，对当前单元中的误差进行了处理．该模型能够对历史轨迹进行精确的查询，对当前和未来的轨迹进行带误差的查询．     

考虑运动对象位置不确定性的位置管理策略

以传统轨道模型为基础,观测构造运动对象历史信息统计样本并分析其特征,设计了基于样本统计的位置预测模型,更好地考虑了运动对象运动随机性的特点,提高了位置预测的准确性;然后在该模型的基础上设计了一种为管理运动对象位置不确定性而设定最佳阈值的方法,这种方法相对于传统的静态阈值策略减少了位置更新的信息代价开销;最后,采用一种基于时间和空间划分的Grid模型构造索引结构,给出了管理运动对象位置信息进行区域查询和kNN（k-Nearest Neighbor）查询的实现过程和算法,是一种进行运动对象位置相关查询的可行性方案.     

支持向量机在视频运动目标分析中的应用

提出一种基于支持向量机的运动目标分类方法. 先将支持向量机引入分析视频运动目标中, 再在视频中筛选出简单有效的组合特征对目标进行分类. 该方法先使用混合Gauss背景模型提取前景运动目标, 获取目标的形状特征和运动特征, 再利用支持向量机对样本数据进行训练, 得到最优决策函数. 实验结果表明, 利用支持向量机和运动目标特征组合的方法进行运动目标分析实用、 有效.