基于目标跟踪与轨迹聚类的行人移动数据挖掘方法研究

随着物联网、大数据、人工智能等技术在安防领域不断取得突破性进展,公共视频监测系统近年来得到飞跃式发展.基于监控设备产生海量的非结构化视频数据,通过对监控视频中的行人轨迹进行分析和研究,可以挖掘出其中蕴含的行为模式,这对人群行为研究有着重要的研究价值.本文使用基于目标检测的多目标跟踪算法对地铁站出口,商场出口等场景中的行人移动轨迹进行提取,并在此基础上对行人的轨迹模式进行分析.针对行人轨迹的特点,在基于点密度聚类算法的基础上,提出并实现了基于轨迹相似度的轨迹聚类方法.结果表明,该方法能够有效的提取行人轨迹,并且从大规模轨迹数据中提取出轨迹模式.     

基于目标序列分析的智能监控多目标自动检测跟踪

针对道路交通监控场景，提出并实现了一个多目标自动检测与跟踪系统． 首先通过高斯混合模型的运动 信息提取方法得到目标运动信息，并分析了目标信息的连续多帧历史信息， 估计目标区域信息在连续多帧中的统 一性，进而通过信息融合的方式得到了目标检测结果． 然后提出了监控场景下多目标的跟踪与管理策略， 根据目标 检测结果，对场景中的多个目标同时进行跟踪．最后， 根据目标的不同状态将目标划分为新出现目标、被更新目标 和被跟踪目标等不同的类别，提高目标跟踪的准确性．     

目标边缘特征增强检测算法

针对分组角点检测网络在目标检测过程中,由于目标尺寸过小或同类目标空间距离较小而导致检测失效的问题,提出一种边缘特征增强的CornerNet目标检测算法OEC。该算法通过分离特征的高低频信息提取更多的高频信息,增强目标的边缘轮廓特征,解决关键点定位不准确的问题,提高目标的框定效果,进一步提升检测精度。仿真结果表明,该算法对行人、车辆等目标检测效果均有提高,在COCO数据集上的检测结果与CornerNet相比,mAP提高0.9%,可应用于无人驾驶与智能机器人等场景。     

生态学实验时空尺度认识的基本原则——实验对象的操作尺度与其自身尺度相契合

 时间和空间存在，尺度存在，生态学实验对象的时空尺度（本体论意义上的，又叫“本征尺度”）也存在。对生态学实验对象的时空尺度认识的基本原则是让“生态学实验对象的时空操作尺度”（方法论意义上的，又叫“表征尺度”）与生态学实验对象的时空尺度相契合（认识论意义上的）。这是生态学实验时空尺度关联实在论。在具体的生态学实验过程中，有些生态学家或坚持生态学实验对象的时空尺度不存在，或坚持其虽然存在但是不可认识，从而走向工具论和经验建构论（反实在论）。这种立场与生态学认识的基本宗旨--认识自然界中存在的生物与环境之间的关系相违背，应该抛弃。而且，某些生态学家或出于生态学实验对象的时空尺度本身认识的困难，或出于“不发表便出局”及其他原因，一是将生态学实验对象的时空尺度之时空简化为牛顿的绝对时空观，而没有考虑爱因斯坦的相对论时空观、普里戈金的“内时间”乃至引伸出来的“内空间”时空观，以及莱布尼兹的关系“空间观”乃至引伸出来的关系“时间观”，二是没有选择恰当的“粒度”和“幅度”进行实验，造成“用度失当”之误，三是没有进行充分的多尺度分析，造成“聚集偏差”，四是没有建构合适的模型，造成“鼠夹捕象”现象，五是没有正确识别“特征尺度”，造成“生态学谬误”。生态学实验者应针对上述不足，坚持正确的时空观，采取各种措施，以获得对生态学实验对象尺度的正确认识。     

基于VGGNet改进网络结构的多尺度大熊猫面部检测

大熊猫个体识别对研究大熊猫的种群数量非常重要，大熊猫面部检测是基于面部图像的大熊猫个体识别方法中的首要关键步骤。针对现有的大熊猫面部检测方法精确度不高的问题，提出基于VGGNet-16改进网络结构的多尺度大熊猫面部检测方法。首先，以VGGNet-16网络结构为基础，通过增加残差结构与BN层，降低卷积层通道数，并采用LeakyRelu激活函数等改进，构建一个新的特征提取主干网络。其次，将一个3尺度的特征金字塔网络结构与SPP结构结合用于目标检测。最后，使用深度分离卷积结构替代常规卷积结构。实验结果表明，提出的大熊猫面部检测方法在测试集上能够达到99.48%的mAP，检测性能优于YOLOv4。     

横向合成背景的面向对象概念格的生成

针对多形式背景合成的概念格生成,提出了一种多背景横向合成的面向对象概念格的生成方法。首先利用各个子形式背景中的每个概念的外延通过相关运算得到合成背景的面向对象概念格的外延集,然后将得到的外延集通过近似算子运算得到合成背景的内涵,并进一步得到合成背景的概念格。用理论证明该方法的有效性和完备性,并通过实验表明该方法时间效率较好。     

拓展目标杂波概率假设密度估计

针对拓展目标概率假设密度滤波器中的未知杂波概率假设密度,提出了杂波概率假设密度估计算法。算法利用有限混合模型极大后验估计杂波概率假设密度,取混合权重的熵分布作为混合参数的先验分布;在渐进假设条件下,利用拉格朗日乘子推导了混合权重的递进估计公式;在混合权重递进估计过程中,通过混合权重置零操作来实现对有限混合模型中混合分量的删减。以二维场景为例对算法进行了仿真实验,结果表明:在拓展目标概率假设密度滤波器高斯混合实现的框架内,所提杂波概率假设密度估计算法的跟踪性能接近真实杂波概率假设密度时的跟踪性能。     

论婴幼儿阅览室的建设

婴幼儿是一个特殊的读者群体,婴幼儿早期阅读是全民阅读不可缺少的组成部分,图书馆有义务为婴幼儿提供良好的阅读条件. 阐述了建设婴幼儿阅览室的必要性,介绍了国外婴幼儿阅读计划和我国婴幼儿阅览室现状,分析了婴幼儿阅览室的服务对象和建设目标,探讨了婴幼儿阅览室的馆藏建设与读者活动.     

面向运动目标检测的ViBe算法改进

背景差分法是静态背景下运动目标检测的常用方法,ViBe算法是它的主要建模方法之一.针对ViBe算法对鬼影消除缓慢的问题,提出了结合帧间差分技术的ViBe改进算法,使用帧间差分技术通过记录相关像素值的时域变化来判断鬼影像素,提高消除鬼影的速度.针对ViBe算法的固定阈值不能反映每个像素具体情况的问题,提出了一种自适应阈值的方法,可根据像素值的变化为每个像素设定阈值,提高前景检测的准确度.实验结果表明,结合帧间差分技术的ViBe算法能够较快地消除检测结果中的鬼影,应用自适应阈值的ViBe算法能够更准确地进行前景检测.     

行人检测中非极大值抑制算法的改进

行人检测是计算机视觉领域的难点和热点问题。行人检测可大致划分为3个部分:特征提取、分类和非极大值抑制(Non-maximum Suppression,NMS)。当前的研究工作主要集中在特征提取、特征学习和分类器等方向,而非极大值抑制方向鲜有改进。目前常用的非极大值抑制算法是贪心策略,抑制时只使用了单一的重合面积信息。针对该问题,在ACF(Aggregate Channel Features)检测算法的基础上,对非极大值抑制进行了3项改进,显著地提升了算法的精度,并且算法的时间消耗只有略微的增加。在INRIA数据集上,单独使用引入尺度比的动态面积阈值NMS时能降低平均对数漏检率(MR)0.99%;单独使用保留外围检测分数相近的检测窗口的策略时NMS能降低MR 1.25%;两者结合可降低MR 2.5%;结合后,再对已经被抑制的检测窗口重复抑制,MR降低了2.63%,达到14.22%。