基于HMM的车辆行驶状态实时判别方法研究

对交通视频车辆轨迹时序特征下的车辆行驶状态进行研究,提出了一种基于隐马尔科夫模型（Hidden Markov model,HMM）的车辆行驶状态实时判别方法.首先对轨迹序列进行了基于轨迹长度的去不完整轨迹序列、对车辆轨迹点序列的线 性平滑滤波和最小二乘线性拟合的预处理操作,保证了所获得轨迹序列的有效性;其次,提出一种基于车辆运行轨迹点序列方向角的车辆轨迹特征值表示方法和基于方向角区间划分的HMM观察值序列生成方法,该方法以方向角的区间变化来区分不同轨迹模式的特征;最后,采用多观察值序列下的Baum-Welch 算法训练得到相关交通场景轨迹模式类的最优HMM 参数,并通过实时获取车辆行驶轨迹段与相应模型的匹配,实现对车辆行驶状态的实时判别. 仿真实验验证了本文方法的有效性和稳定性.     

基于视频的实时车辆识别和分类的改进方法

本文介绍了关于车辆识别、分类和跟踪的一种快速可行的方法。结合了背景差法、边缘检测、阴影校正等，在速度和识别准确率上都达到了满意的效果。     

一种基于判别随机场模型的联机行为识别方法

提出了一种基于判别随机场模型的联机行为识别方法,将传统的随机场模型和隐藏条件随机场模型的特点相结合,构建一个针对于运动序列帧数据建模的帧-隐藏条件随机场模型,并将该模型应用于数据驱动的行为建模,利用传统条件随机场模型对行为间的运动特性进行建模;通过引入隐藏特征函数,设计有效的特征模板来表示行为中子姿态的联系,实现对行为的内在运动特性进行建模.通过对比实验表明,该模型对于联机处理行为序列具有更强的识别能力.     

基于核Fisher判别的分类器算法及其在语种识别中的应用研究

GMM与SVM的建模和识别性能具有较好的互补性,因此GMM-SVM在语种识别中得到广泛使用,以其为基础的GMM-MMI-SVM已成为语种识别的主流研究方法.但是SVM在判别时仅仅使用了训练样本中的一些特殊样本即支持向量,并没有使用全部样本,从而影响了系统识别性能的进一步提高.针对上述问题,提出一种基于核Fisher判别的分类算法-GMM-MMI-KFD.该算法的核心思想是用核Fisher准则(KFD)替代SVM分类准则,从语音片段中提取出特征向量序列,分别通过GMM-MMI分类器与GMM-KFD分类器进行判决打分.相对SVM,KFD更注重语音数据非线性分布的特点,并且将样本向高维空间H上投影后可以最大限度地增大类间距,减小类内距.实验数据表明,GMM-MMI-KFD方法在语种识别中具有更高的识别率.     

车辆位置实时监测网的研制

ＲＴ－ＡＧＶＳ是物流管理中十分重要的课题，车辆位置监测网是其重要的组成部分。本文详细介绍了一个基于单片机系统的车辆位置实时监测网，本监测网设计先进，性能价格比高，它的设计方法和技术对其他许多领域有借鉴作用。     

基于北斗-2的车辆实时管理系统

近年来随著我国卫星导航技术的快速发展,北斗导航应用已经在无形中融入了人们的各个领域,车辆作为各单位最重要的交通工具,数量日益增长,为解决车辆实时管理和使用问题,本文介绍了基于北斗的车辆实时监控系统的概况、功能特点及应用分析,这个系统对车辆管理与应用分析具有借鉴推广意义。     

基于ITS和GIS系统的车辆实时调度问题的研究

ITS和GIS的发展使得车辆调度中心可以根据道路交通情况实时调整车辆行驶路径,以避开交通拥挤路段,降低车辆的行驶时间。文章针对ITS和GIS系统的特点提出了车辆实时调度模型,并且就如何降低问题的状态空间进行了讨论。     

基于实时交通信息的车辆路径问题研究

石油化工企业的物流配送越来越成为降低成本、提高效率的1个重要环节,而车辆路径问题是其中的基础性问题。面对各种不确定性,动态随机车辆路径问题越来越成为有价值的研究方向,其关键在于实时交通信息的利用。本文研究了基于实时交通信息的单配送中心、有时间窗口约束的车辆路径问题,建立了混合整数规划模型,提出了利用实时速度估计信息的动态调度策略,并设计了带插入规则的节约算法。通过对标准benchmark问题进行仿真,验证了策略和算法的有效性。     

基于MAS的机场特种车辆实时调度问题的研究

机场特种车辆的优化调度,对提高航班正点率和机场车辆资源利用率有重要作用。针对机场特种车辆实时调度的动态规划问题,结合MAS（Multi Agent System）交互中协作的优越性,设计了基于MAS的整体架构模型,其中,对于MAS模型结构,采用基于AUML的AOA方法进行描述,协作采用合同网协议机制,对于车辆调度模块,采用了基于动态规划时间窗的车辆调度算法;应用机场实际数据测试,通过对实验结果的分析,验证了本文所建模型及求解算法的有效性。     

基于二次谱聚类和HMM-RF混合模型的车辆行为识别方法研究

从高速交通监控视频中提取的车辆轨迹数据可以用于分析和识别车辆行为。由于从高速监控视频中提取的车辆轨迹中只有少量的变道、超车等类型轨迹,采用经典的最长公共子串(LCSS)相似度和谱聚类等算法无法有效地区分轨迹数据中所有类型的轨迹;此外,在车辆行为识别方面,常用的隐马尔科夫(HMM)轨迹模型忽略了负样本的影响,且仅用最大似然值进行分类,存在较高的误识别率。为了解决这些问题,分析和研究了高速监控视频中车辆轨迹数据的特点,提出了一种基于二次谱聚类和HMM-RF混合模型的车辆行为识别方法。该方法利用轨迹曲率来识别具有曲线轨迹特征的超车轨迹,利用倾角相似度和谱聚类算法来识别非曲线轨迹中的变道轨迹,并将得到的所有聚类簇用LCSS和谱聚类算法进行再聚类,从而有效地区分超车、变道以及直行轨迹等。在进行车辆行为识别时,该方法通过将不同HMM模型的多维概率输出作为随机森林RF模型的输入来识别多类型轨迹以替代最大似然值分类,提高了行为识别的正确率。为了验证方法的有效性,在不同数据集下进行实验,结果表明轨迹聚类的平均准确率为96%,而行为识别的平均准确率是89.3%,算法具有较高的准确率和鲁棒性。     

GPS、GIS在车辆实时监控中的应用

计算机科学的发展和人们对空间数据的雷求，导致了地理信息系统的产生和发展，而现代通信技术和卫星定位技术的发展使得人们对空间行为(过程)进行时间或空间上的动态、实时观测成为可能。因此，GIS、GPS与通信技术的结合，使人们对空间数据的用进入前所未有的层次。介绍了GPS、GIS(ARC/INFO)在车辆实时监控中的应用，阐述了系统的总体结构及GIS在该系统中的功能，并提出了有待进一步探讨的问题。     

基于深度卷积神经网络的车型识别研究

近年来,深度学习中的卷积神经网络已经广泛运用于图像识别领域,它不仅显著提升了识别准确率,同时在特征提取速度方面也优于许多传统方法。本文针对高速公路环境下的车型识别问题,引入卷积神经网络（CNNs）理论,设计相应特征提取算法,并结合SVM分类器构建识别系统。通过对高速公路上主要三种车型（小车、客车、货车）的分类实验显示,本文方法在识别精度及速度上均取得较显著的提高。     

基于深度学习的车标识别方法研究

对交通监控录像中车牌污损、遮挡的肇事车辆信息进行确认是现阶段智能交通系统中的一个重要问题,车标作为一个关键特征,可以起到辅助判别的作用.提出了一种基于深度学习的车标识别方法,相对于以人工提取特征为主的传统车标识别方法,该方法具有可自主学习特征、可直接输入图像等优点.实验表明,这种方法正确率较高,在光照变化和噪声污染下的准确性和稳定性较好,能够有效降低车标识别的错误率.     

基于GIS的导航系统地图匹配算法

研究了地图匹配技术在GPS导航系统中的应用,建立了以道路为约束条件的卡尔曼滤波模型,利用车辆行驶的位置和方向信息把车辆匹配到正确的道路上。详细介绍了对于十字路口的处理,并对试验结果进行分析。     

挖掘数据中实时数据预处理技术的应用

流程工业中数据挖掘结果,是以所需参数的完整性和准确性为前提的。本文综合流程工业实际情况,设计出一种基于支持向量机的实时数据预处理混合算法,通过该预处理算法,可以处理因测量仪表故障导致的数据缺失和外部干扰引起的实时数据采集误差,提高进入数据挖掘系统的数据的质量,并可对仪表故障实时诊断与报警,同时给出该实时数据预处理算法的实施步骤。基于该预处理算法设计开发的实时数据预处理系统已成功应用于某大型化工企业,获得了满意的效果。     

基于实时Java的实时CORBA研究

由于C 的复杂性,越来越多的分布式实时应用开始采用Java语言.该文从实时ORB核心POA、实时线程池、CORBA优先级到RTSJ优先级的映射、实时GIOP这4个方面对实时CORBA在实时Java上的实现进行了基本分析.     

基于运动与外形特征的人体行为识别

多数现有特征提取方法仅采用简单的形态特征,存在走与跑识别率较低的问题。将运动速度特征与较精确分割并归一化图像大小后的主分量分析外形特征相结合,采用支持向量机从8个方向对跑、蹲、站、弯腰、招手、指和走7种人体行为进行识别,结果证明走与跑的识别率得到很大提高。     

自治水下机器人实时仿真系统开发研究

针对自治水下机器人(AUBs)开发和研究中的瓶颈问题,该文开展了AUV实时仿真系统的研究工作。该文提出了采用半实物实时仿真模式,建立实时仿真系统平台的方案,并对实时仿真系统平台的硬件结构和软件结构进行了详细设计。在方案设计的基础上,正在进行实时仿真系统平台开发和研制工作。