一种基于视频分析的高速公路交通异常事件检测算法

交通领域的异常事件检测对于预防和及时处理交通事故有着重要作用。当前大多数交通异常事件检测都是通过人工完成的,耗费了大量的人力,同时实时性也较差。文中针对高速公路的交通场景特点,利用深度学习中的目标检测算法,对视频中的车辆目标进行提取,提出了结合运动特征和表观特征的多目标追踪算法;在此基础上,又提出了一种基于车辆轨迹特征的异常事件检测方法,其中的追踪算法减少了轨迹提取过程对背景环境变化的依赖。在异常事件检测算法中充分结合高速公路实际场景,加入滑动窗口机制,提升了对远距离和复杂场景下异常事件的检测能力。利用面向真实交通视频的数据,与现有的事件检测算法进行对比,实验结果证明,所提方法在事件检测的准确率、召回率和F值指标方面都有良好的性能表现,能够有效地完成高速场景下的交通异常事件检测。     

目标检测中语义约束检查算法的研究与实现

基本的目标检测任务是在图像中识别目标,并标注目标的类别和位置信息.但是,很多应用中的目标检测任务常常带有语义约束,典型的包括单类别目标的数量约束和多个目标之间的空间位置约束.如在基于视频的生产安全监控系统中,目标检测不仅要识别和标定安全防护装备,还要检测这些安全防护装备是否被规范穿戴.提出了一种目标检测中语义约束检查算...     

基于深度学习的异质信息网络表示学习方法综述

万物依存而在,现实世界中的实体之间存在着各种不同的关联关系,如人与人之间的关系可以构成社交网络,学者通过共同发表论文、引用文献构成引文网络。同质网络将节点和边抽象为单一类型,但是这会造成大量的信息丢失。为了更大程度地保证信息的完整性和丰富性,有研究者提出了异质信息网络的概念,即包含多种类型节点和边的网络模式。将异质信息网络中的拓扑结构和语义信息嵌入到低维向量空间中,下游任务能够利用异质信息网络中的丰富信息进行机器学习或数据挖掘任务。文中总结了近年来基于深度学习模型的异质信息网络表示学习方法的研究成果,同时聚焦两类关键问题——异质信息网络语义自动提取和动态异质信息网络的表示学习方法,列举了异质信息网络表示学习新的应用场景,并展望了异质信息网络的未来发展趋势。     

知识图谱嵌入技术研究综述

知识图谱(KG)是一种用图模型来描述知识和建模事物之间关联关系的技术.知识图谱嵌入(KGE)作为一种被广泛采用的知识表示方法,其主要思想是将知识图谱中的实体和关系嵌入到连续的向量空间中,用来简化操作,同时保留KG的固有结构.可以使得多种下游任务受益,例如KG补全和关系提取等.首先对现有的知识图谱嵌入技术进行全面回顾,不仅包括使用KG中观察到的事实进行嵌入的技术,还包括添加时间维度的动态KG嵌入方法,以及融合多源信息的KG嵌入技术.对相关模型从实体嵌入、关系嵌入、评分函数等方面进行分析、对比与总结.然后简要介绍KG嵌入技术在下游任务中的典型应用,包括问答系统、推荐系统和关系提取等.最后阐述知识图谱嵌入面临的挑战,对未来的研究方向进行展望.     

基于双目视觉的车辆速度测量方法

为配合高速公路入口处的货车称重工作,需要测量车辆通过称重台时的实时速度。利用双目视觉技术测速具有成本低、部署简单、稳定性高的优点,具有广阔的应用前景。双目视觉测速的技术难点是目标的位移测量,其核心问题是目标在多帧图像间的精准匹配。文中提出了一种基于空间位置的匹配区域对齐算法与基于模板匹配的空间位移计算方法。具体地,利用车轮的空间位置关系来限制车轮的匹配区域,可有效降低相似车轮的误匹配问题;使用模板匹配的方法追踪车轮的关键点,进而获得多帧之间车轮的空间位移。使用某高速公路入口的真实通行视频数据进行实验验证,结果表明,与其他双目测速方法相比,所提方法使得测速结果的RMSE下降了20%～40%,且更加适用于车辆以较快速度(10～20 km/h)通过高速公路入口测速点的实际场景。     

基于时序索引的可编辑区块链模型研究

区块链具有去中心化与不可篡改等特点,近年来受到了人们广泛的关注。数据上链便不可篡改会带来恶意交易无法根除和错误交易无法修改等一系列问题。目前可编辑区块链的相关研究大多是以区块粒度进行替换,或者通过增添新交易实现逻辑上的编辑。前者会造成编辑记录无法考证,后者虽可保留错误数据存证,但缺乏安全的访问机制。此外,现有相关研究均未充分考虑待编辑数据的特点,导致后续交易受影响而失效的问题。因此,提出了一种可编辑区块链模型。首先,以一般存证数据为例,重新设计了区块链底层数据结构,增加了时序属性并构建索引;然后提出了新的提交、编辑和查询算法,通过后续追加交易的方式实现了对区块链数据的逻辑编辑,从而在保存错误交易存证的基础上,为用户提供了安全的访问接口。为了解决后续交易失效的问题,在上述工作基础上,针对上下文强相关的交易类型数据,对数据结构及相关算法进行了改进,保证后续交易不受数据编辑的影响。实验表明,该模型可在保证系统性能的基础上实现区块链可编辑。     

结合社区发现和局部恢复码的区块链扩容研究

区块链全节点需要存储完整的账本,不能满足数据快速增长的需求,其存储扩容成为当前研究热点之一。现有最优研究成果虽然结合分片和RS(Reed-Solomon)纠删码技术,降低了存储开销,实现了数据可恢复,但存在网络开销较高和跨节点数据请求效率较低的问题。因此,提出了一种基于社区发现和局部恢复码（local reconstruction codes,LRC）的区块链存储扩容方案,一定程度上解决了这些问题。改进现有基于传导性的社区发现方法,在此基础上提出了一种区块链节点分组方法,使平均连接速度更快的节点分为一组,有效地缩短了跨节点请求区块的响应时间;采用了更优的LRC码来替代RS纠删码,利用更少的原始数据实现单点故障数据恢复,降低了网络开销。大量实验结果表明提出的存储方案在保持目前最优方案的数据恢复能力和存储开销的基础上,能有效减少网络开销和跨节点请求区块的时间。