基于BP神经网络的电缆沟监控模式识别方法

为了减少电缆沟盲目施工与偷盗等因素造成的损失和影响，引入一种智能的线路监控技术。该技术基于分布式光纤传感技术，利用BP神经网络对光纤传感器的四种常见的扰动信号进行模式识别。通过将光纤传感器得到的时域扰动信号用特定的程序处理后转换成图像，再经特定的图像处理流程后形成模式识别的样本。利用这些样本训练BP神经网络，并将训练好的模型应用到实际的电缆沟安全监控系统中进行测试。测试结果表明，电缆沟的总体识别成功率为98.16%，该识别方法还可以应用于光纤周界安防系统等领域。     

众包直播中精彩片段的自动化识别

近年来,基于众包的视频直播平台逐渐兴起,以其丰富的观众-主播交互机制吸引广大用户观看.针对直播平台的分析也随之成为流媒体服务领域的一个研究热点.直播过程中精彩片段的自动提取对于标签生成、视频分类和内容推荐等方面而言至关重要,然而现有的精彩片段检测大多围绕音频、视频数据本身展开,如视频语义分析、音频情感感知等,缺乏对用户交互属性的合理利用.本文以斗鱼直播平台为例,通过分析观众的发弹幕与送礼物行为,提出了基于直播间弹幕数量时间序列和礼物价值时间序列的精彩片段自动化检测方法.首先利用z-score方法检测序列高潮,然后对高潮做样本标注和特征构建,最后采用随机森林对序列高潮分类并识别内容高潮,即精彩片段.结果表明,模型能够以较高的准确率完成精彩片段的自动化识别任务.