基于光流共生矩阵的人群行为异常检测

针对传统基于图像纹理特征进行人群行为异常检测算法倾向于描述人群图像纹理的变化而非人群运动行为的实际情况,导致检测性能较差的问题,提出一种反映人群运动行为真实情况的特征提取方法.首先通过Lucas-Kanade光流算法提取人群视频光流信息,并建立光流幅值共生矩阵与光流方向共生矩阵,然后通过共生矩阵提取角二阶距、对比度、熵、相似度等特征,并将其与光流幅值均值合并组成特征向量训练支持向量机,最后判断人群行为是否异常.仿真结果表明,本文的特征提取方法更加深化地处理了光流法提取的人群运动信息,具有较好的人群异常行为识别性能.     

基于背景差分与时域差分相结合的运动检测算法

针对传统运动目标检测方法的缺陷问题,提出了一种背景差分与时域差分相结合的算法,通过对亮度值的判断,有效地获取了背景模型,并利用数学形态学的膨胀、腐蚀进行去噪．实验表明,这种检测方法是快速有效的．     

结合光流法的车辆运动估计优化方法

针对车辆自主定位实时准确的要求,提出一种结合光流法的车辆运动估计优化方法.采用改进的Lucas-Kanade算法跟踪FAST特征点计算其光流;进而对图像间偏移量进行坐标系转换,获得初始坐标系下车辆的运动估计值;基于偏移量与旋转角度误差服从正态分布的假设,优化更新采用光流法的车辆运动结果,最终映射到世界坐标系中获得车辆运行轨迹.通过测试多组不同车辆行驶轨迹,结果表明:该优化方法突出了光流法的实时性并且克服了其精度差的缺点,有效解决了由累积误差引起的轨迹漂移情况,能够提供车辆准确实时的定位输出.相较于基于特征点匹配的车辆定位其计算时间短,与常用的光流法比较,轨迹更加精确、光滑.     

帧差与快速密集光流结合的图像法测流研究

图像法测流技术因其简便、高效、安全等优点得到了普遍的关注,开始应用于国内外水文站。目前主流的图像法测流技术通常采用天然水面模式作为示踪物,利用空域互相关法处理图像获得流场矢量,被称为大尺度粒子图像测速(LSPIV)。但该方法在天然河道流量测量中仍存在着较大不确定性及一致性差等问题,并且由于相关性匹配问题该方法的测量速度很难达到实时性测量要求。本文提出一种基于帧间差分与快速密集光流结合的分组图像法(FD-DIS-G)快速测流方法。首先,利用帧差法计算运动显著性图去捕捉到细微的水面运动来处理低流速下河流运动在视频中表现不明显的问题。其次,使用快速密集光流法(DIS)计算运动显著性图中小块区域之间的密集光流,小块区域和快速密集光流法结合能提高流量测量的精度和时效性。同时,设计了一种新的分组处理奇异值的方法,提高了算法的整体准确性,增强了算法的稳定性。本文将流速仪测量得到的垂线平均流速、平均流速以及断面流量作为比测标准,利用水文站所拍得的天然河道水流视频进行比测实验,实验结果表明,相比于广泛使用的LSPIV测量方法,本文方法在平均流速和断面流量上的精度有明显的提升,垂线平均流速的稳定性有显著的增强,并且实时性好。     

基于四旋翼飞行器的光流法动态目标检测

针对四旋翼飞行器避障算法中对于运动的目标检测完整性不够,准确性及鲁棒性不高的问题,提出了一种基于金字塔Lucas Kanade光流的单目视觉避障算法,提高了光流检测到的运动目标的完整性和鲁棒性。通过引入图像动态模型建立光流约束条件,克服了因为亮度改变引起的约束方程不成立问题。实验结果表明算法在飞行器低速飞行且遮挡和亮度变化条件下的跟踪效果良好,并且显著减少了匹配搜索的时间,节省了飞行器的飞行时间。     

基于帧间差分和背景差分的运动目标检测算法

针对运动目标检测领域中帧间差分法和背景差分法的缺陷,提出一种将两种方法融合在一起的新算法。首先,该算法在采用混合高斯建立背景模型时对方差更新作了修改,使得模型与真实背景更接近。其次,用连续三帧差分代替两帧差分,采取自适应差分阈值的方法。最后,将两种差分的结果融合并作形态学处理提取目标。实验结果表明,本文算法能有效抑制噪声和空洞,适应性强、检测效果良好。     

基于均值背景与三帧差分的运动目标检测

为了实现对室外监控视频中人体运动目标的准确提取,针对传统的三帧差分法在运动目标检测过程中容易出现"空洞"现象,提出了一种基于均值背景与三帧差分的运动目标检测算法.该算法通过将经均值背景建模得到的视频当前帧的背景加入到三帧差分中与视频当前帧和视频当前帧的下一帧分别进行邻间差分,避免了背景像素点对前景检测带来的影响,解决了三帧差分法在运动目标检测过程中存在的"空洞"问题.仿真结果表明,该算法在完整性和准确性方面要优于传统的运动目标检测算法,可以在复杂背景环境中实现快速的运动目标提取.     

基于光流改进与YOLOv3的烟雾检测方法

火灾严重威胁着人们的生命和财产安全,而烟雾作为火灾前期的一个重要特征,应当作为火灾检测的首选目标.为了解决传统火灾检测在准确度和实时性上存在的不足,提出了一种基于传统光流改进与YOLOv3结合的烟雾检测模型.该模型针对烟雾的动态特征,通过改进光流算法对动态前景区域进行目标框定完成一次筛选;利用大样本数据集训练的YOLO...     

一种自适应背景差分运动目标检测算法

运动目标检测是运动行为理解的前提,也是安防系统研究的热点、难点问题。在分析现有检测算法的基础上,针对背景更新模型不准确、分割阈值难以选取等问题,提出了一套自适应背景差分运动目标检测算法。算法包括：基于像素相关区域灰度曲率特征的背景更新模型,基于直方图统计的动态阈值,改进型区域生长的运动目标标识。实验表明该算法能较好解决光照变化所引起的背景更新以及不同环境下阈值选取等问题。     

一种基于光流场的群体运动特征描述子

为了实现公共区域中的群体异常行为的自动识别,提出一种基于光流场向量的人群运动特征描述子。通过从视频中提出的光流场信息,用位置、运动向量、运动方向和运动强度4个维度构建描述子,使用K聚类算法对描述子进行聚类处理,并对K聚类之后的结果进行了运动角度与强度数据的合并处理,最终获得能够描述场景中人群的全局运动特征。在试验中,使用提出的描述子进行了异常行为检测,并与类似的异常检测算法进行了比较,获得了较好的异常检测效果。     

一种基于元胞自动机的人群疏散 仿真算法研究

以安徽博物院内人群疏散问题为例,根据最小费用最大流与广度优先搜索(BFS)方法提出了一种基于元胞自动机的人群疏散仿真算法.首先,算法通过设定数值矩阵,分别对人物状态、地形状态与影响人群逃离的因素进行量化; 其次,结合最小费用最大流的思想,建立人群在复杂地形中的逃离规则; 最后,应用该算法以疏散单层和多层人群为例进行仿真,结果显示博物院1层的疏散性能弱于2层,工作人员的疏散引导可大幅缩短疏散时间(由无人引导的4 423 s降至为1 876 s).对比3种不同算法的仿真结果显示,本文算法优于传统算法,与文献[7]算法接近,但本文算法因考虑了人群疏散时的心理因素,因此本文算法更符合实际.     

基于改进差分演化算法的无功优化

针对电力网络无功优化问题,增加考虑了电压稳定指标,采用改进的差分演化算法同时对网损和电压稳定指数进行优化.该算法基于一般差分演化算法,在进化的不同阶段对算法参数缩放因子F和杂交概率CR进行自适应调整与控制,增加种群多样性的同时,能够调整搜索方向快速找到最优化方案.应用IEEE 30节点和IEEE 57节点系统进行了测试,结果表明所用算法相比遗传算法和一般差分演化算法,不仅能够有效减少有功网损,还能让PQ负荷节点远离电压崩溃点,并具有计算速度快、鲁棒性好等优点.     

一种基于密度差异的离群点检测算法

在MMOD算法的基础上提出一种改进算法IMMOD,该算法考虑各属性的差异对离群点检测的影响,通过引入信息熵来确定属性的重要程度以量化权重向量,进而采用加权距离计算各数据点相异性。此外,在处理高维数据时,确定次要属性后采用属性约简方法,在保证时间效率的同时提高检测精度。理论分析和试验结果表明IMMOD算法参数少、检测准确性高,能很好地适用于高维数据,整体性能优于同类算法。     

喷墨印花纹理图像的单元分解光流场配准算法

为了解决喷墨印花纹理图像在噪声环境下配准精确度低,以及局部区域存在大的配准偏差的问题,提出一种新的基于单元分解光流场的图像配准算法.利用单元分解技术对光流场图像配准问题进行建模,采用阶谱分层策略和基函数自适应调整,对单元分解过程中生成的局部和全局网格实施灵活度控制.通过引入一个新的能够对纹理结构的光滑效果实施约束的特征能量项,可以使网格单元取得令人满意的纹理表征效果,并且能够提高光流场模型在定位精细纹理边缘时的配准精度.对含噪喷墨印花纹理图像的配准实验结果表明了本文算法的可行性.     

基于像素筛选技术的光流估计方法

针对传统的光流估计方法对光照变化敏感,且在物体边缘处难以获得准确的光流估计的问题,提出了一种基于像素筛选技术的光流估计方法。该方法在光变环境下定义了基本方程,并采用了改进的局部光流技术。新的局部光流技术首先对局部窗口内的像素进行两次筛选,然后基于保留像素采用加权最小二乘法估计光流。光变、噪声环境下的测试实验证明了该方法的有效性和鲁棒性。     

基于中心差分卡尔曼滤波器的快速SLAM算法

针对密集路标环境下机器人同时定位与地图创建(SLAM)速度缓慢以及一致性不够收敛,提出了一种使用Stirling多项式插值方法对非线性过程进行近似的卡尔曼滤波器,同时利用路标测量统计信息对SLAM过程中的状态向量和状态协方差进行动态调整的SLAM方法.此方法对预测方程和测量方程使用Stirling多项式插值方法可以近似到二级甚至是更高级的泰勒展开.使用路标统计信息动态计算各个路标对于当前时刻状态向量的权重,利用此权重进行状态向量和状态向量协方差动态调整.实验表明无论是在稀疏路标环境下还是在密集路标环境下此方法在内存占用、SLAM速度以及对机器人定位的一致性上都优于FASTSLAM.     

基于平均差异度的改进k-prototypes聚类算法

针对k-prototypes聚类算法随机选取初始聚类中心导致聚类结果不稳定,以及现有的大多数混合属性数据聚类算法聚类质量不高等问题,提出了基于平均差异度的改进k-prototypes聚类算法.通过利用平均差异度选取初始聚类中心,避免了初始聚类中心点选取的随机性,同时利用信息熵确定数值数据的属性权重,并对分类属性度量公式进行改进,给出了一种混合属性数据度量公式.结果表明,改进后的算法具有较高的准确率,能够有效处理混合属性数据.     

基于衍射和透射光学模型的边沿定位法

给出了一种适用于光的衍射和透射双重作用下的边沿定位算法,能够准确定位曝光对象投影图像的边沿。分析了普通单色可见光的衍射模型在透射环境下的局限性,然后根据菲涅尔衍射模型和透射性光线的衰减定律,提出了衍射和透射双重作用下的光强模型,基于该模型推导了边沿定位算法。所提出的新光学模型,是单色光的菲涅尔衍射模型在透射情形下的推广,边沿定位是该模型的一个重要应用。经过使用待定系数法计算曝光对象材料的衰减系数集,使该算法独立于曝光对象的具体材质。实验结果验证了该算法的定位精度和效率均优于算子法。     

基于正态分布和自适应变异算子的ε截断算法

针对约束优化算法不能很好协调收敛性及分布性的问题,提出一种基于正态分布和自适应变异算子的ε截断算法。将正态分布引入模拟二进制交叉算子中,使算法可搜索的空间范围更广,更易跳出局部最优;利用自适应变异算子,将种群个体当前信息与变异算子结合起来,引导种群向真实的Pareto前沿进行进化;结合自适应的ε截断策略,保留Pareto最优解和一定数量的不可行解,同时利用不可行解的信息,加大对搜索空间的探索力度,从而提高种群多样性。采用3种标准测试函数对算法进行测试,试验结果表明:本研究所求解集能够很好的跟踪真实的Pareto解集。该方法可以有效地协调算法的收敛性及分布性。