集成型空间数据库技术探讨与应用实例

集成型空间数据库的构建过程中,常涉及到空间数据的非结构化特征问题。总结了目前克服此问题的两种技术,即面向对象技术与中间件技术,并对商业化中间件中的空间数据引擎作了标准性、存储结构与图层管理三方面分析。给出了采用空间数据引擎的应用实例,提出了急需解决的问题。
     

基于SDE的数据库应用研究

空间数据引擎是实现空间数据库的核心.以空间数据引擎的标准与功能为分析起点,以其空间数据存储模型、图层管理为分析重点,并结合数据库管理系统与客户端应用程序,对空间数据库技术的理论体系进行了较为全面的论述.通过在"重庆市土壤信息系统"中的实现与应用,证明了空间数据库技术在土壤信息系统中运用的可行性.     

RME:基于滑动窗口的实时人脸检测算法

研究了基于滑动窗口的视频实时人脸检测,提出了刚性运动估计(RME)算法.该算法以小尺度人脸瞬时刚性运动为假设,根据几何变换对窗口图像的运动进行描述,以光流代替运动矢量计算运动参数进而识别窗口图像的刚性、非刚性运动类型,通过排除非刚性窗口以提高人脸检测效率.对比实验与分析表明,该算法在准确率与时间效率方面具有优势.     

非结构化文本数据的GIS描述性查询方法

针对传统地理信息系统(GIS)结构化或半结构化属性查询方法对查询语句输入的精度及查询范围的限制,提出了以哈尔滨工业大学《同义词词林》扩展版文本相关度计算为核心的非结构化文本数据GIS描述性查询方法。基本过程是根据描述性查询语句计算其与地理要素所关联的文本的相关度,进而以相关度值得出概括性查询结果。对比实验结果表明,描述性查询方法不但支持查询语句输入的多样化,而且能够有效地得出与输入的描述性查询相关联的地理要素。     

SDE在区域土壤信息系统中的应用研究

空间数据引擎是实现空间数据库的核心。本文时空间数据引擎的标准与功能、空间数据存储模型、图层管理进行了重点分析，对空间数据库技术的理论体系进行了较为全面的论述。通过在“重庆市土壤信息系统”中的实现与应用，证明了空间数据库技术在土壤信息系统中运用的可行性与高效性。     

目标相似性度量的鬼影抑制方法

针对背景差分法中的鬼影扰乱运动目标检测与跟踪问题, 提出目标相似性度量的鬼影抑制方法。首先分析间隔帧中目标的直方图分布和像素变化率, 依此判断目标相似度并检测鬼影; 然后提出面向鬼影对象的背景模型更新方法, 快速校正鬼影背景, 抑制鬼影再出现。实验结果表明, 该方法克服了自适应背景方法的检测灵敏度低和运动属性方法消耗高的缺点, 能够快速准确地抑制鬼影。     

二维空间聚类的树ART2模型

ART2网络是一种著名的聚类方法,已实际应用于诸多领域,其作用于二维空间数据,不仅存在模式漂移和向量幅度信息缺失的问题,而且难以适应不规则形态分布的空间数据的聚类。提出了一种树ART2网络模型(TART2),通过长期记忆(LTM)模式的调整和向量幅度信息的学习,使ART2网络保持了带空间距离约束的旧模式记忆;引入树结构优化,降低了警戒参数设置的主观要求,减少了模式交混现象的发生。对比实验结果表明,TART2网络更适用于带状分布的空间数据聚类,具有较高的可塑性和自适应性。     

晃动目标抑制的拟周期背景算法

准确的背景模型是目标提取与跟踪的重要基础。针对复杂场景中出现的局部拟周期变化的晃动目标,在多高斯背景模型基础上,提出一种拟周期背景算法(QPBA),用以抑制晃动目标,建立准确而稳定的背景模型。具体过程是：根据多高斯背景模型建立场景目标分类模型,分析晃动目标对高斯模型各参数产生的影响;以颜色分布值为样本建立高斯模型保留晃动所在像元,并以出现频次、时间间隔为权重因子,使晃动像元中的晃动模型融入背景模型。将拟周期背景算法与高斯混合模型(GMM)、背景建模算法(ViBe)、CodeBook等典型背景建模算法进行比较,通过定性、定量与效率三个方面的评估结果表明：拟周期背景算法对晃动目标抑制作用明显,误检率小于1%,可以很好地应对场景中晃动目标干扰;同时正检个数与其他算法保持一致,能够完整地保留运动目标;算法效率高,解算时间与CodeBook算法近似,满足实时性的计算要求。     

摄像机主动位姿协同的人脸正视图像获取方法

为了主动调整摄像机的位置姿态以在物方空间降低由人脸旋转带来的影响,提出人脸-摄像机主动位姿协同方法. 利用工业摄像机与同步带类运动控制器搭建位姿协同环境,根据单像空间后方交会方法求解运动人脸姿态角和相对位置,计算人脸、摄像机和运动控制器各坐标系之间的映射关系,摄像机运动由相邻采样时刻摄像机相对位置和人脸姿态角计算得出的摄像机协同位姿控制,主动、实时地获取人脸正视图像. 实验表明,运动轴上的摄像机点位误差小于10 mm,取得的人脸正视图像提高了人脸纠正的精准度与鲁棒性.     

人脸位姿协同的多新息抗扰滤波算法

在偏转角度较大时,人脸特征点的显著性明显减弱,会导致人脸位姿计算结果带有较大噪声.针对这一问题,提出了多新息抗扰滤波算法,将运动人脸与标准人脸模型的位姿变化作为滤波观测量:(1)引入多新息修正滤波估计,利用时间序列的多组观测量估计人脸位姿变化的状态量;(2)实时判断滤波敛散性,根据多新息及时估计观测噪声协方差与过程噪声协方差,调整卡尔曼增益矩阵;(3)建立位姿协同模型,依据滤波后的人脸位姿变化计算相机运动参数,达到相机与人脸位姿协同.在给出试验装置硬件构成的基础上,将本文算法与自适应卡尔曼滤波(AKF)算法进行对比.试验结果表明,在人脸位姿协同系统中,本文算法位姿估计误差小于10 mm,相机协同时间约为25 ms,相较于AKF算法位姿准确度提高23%,协同效率提高30%,能够有效抑制位姿协同中人脸位姿计算所带来的噪声影响,在提高人脸位姿协同系统稳定性的同时,保证响应的实时性.