排序方式: 共有13条查询结果,搜索用时 15 毫秒
1.
在公共场所中人们都倾向于以分组的形式进行运动,本文把这种以分组形式运动的若干个行人称为运动群组,具有视觉显著性的人群运动群组是场景理解的重点,其对人群的整体运动也影响最大。本文对运动群组的视觉显著性展开了研究,分别从规模、速度、组内紧致度和变化度4个方面来对运动群组的视觉显著性进行度量,并基于该度量给出了视觉显著性运动群组检测方法。首先,利用光流法对运动人群进行分析得到光流向量;然后通过层次聚类算法对运动人群进行分组;最后,基于本文所给出的度量计算每个群组的视觉显著性,以检测出视觉显著性最高的运动群组。实验表明该方法能够有效地对视觉显
著性运动群组进行检测,该研究成果可应用于人群场景理解、人群运动分析和人群场景分类等计算机视觉研究领域。 相似文献
2.
3.
流数据是动态的、不断发生变化的,如果能够及时发现流数据聚类模型的变化,并报告给用户发生了哪些变化,可以帮助用户制定出更好的策略。针对该需求,本文提出一种流数据变化检测策略,该策略充分利用簇统计信息CFT检测变化,比较变化后新聚类模型与原模型之间的差异,分别报告出每一个簇的具体变化,其时间复杂度为O(K2),实验证明该机制能够较为直观报告出变化的结果。 相似文献
4.
5.
目前针对中国画的研究主要集中在基于内容的图像分析上,但是对于中国画的分类识别,更重要的是艺术风格而非内容.中国画的本质是笔墨运用,笔道的线条形状和墨色构成是鉴别艺术风格的重要因素.因此,文中提出基于笔墨特征的中国画画家识别算法.首先提取墨线的形状特征和墨色的布局特征,然后综合上述2种特征,作为支持向量机的输入训练得到画作分类器.实验表明,文中算法在平均查全率和查准率上较优,可以用于中国画的数字化分析、理解和识别,为中国画传承和鉴赏提供有效的数字工具. 相似文献
6.
如何有效地分析、监测突发人群异常状况已成为目前的一个研究热点问题。通过速度值的大小变化来分析是否出现异常状况是目前最常用的人群异常检测方法。但是,除了值的大小之外,运动的方向显然也是速度的另一个重要的特征。研究表明:人群出现异常时,一个最明显现象是人群的运动速度大小或运动方向突然出现变化,例如,由慢速行走转变为迅速奔跑、突然改变行进方向等异常运动。基于此,提出了基于加速度的人群异常检测算法。该算法采用金字塔Lucas-Kanade光流法,通过计算“帧平均加速度”对人群的运动进行分析。实验结果表明所提出的算法能够快速、有效地检测出人群运动的异常,而且相对于单纯运用运动速度值大小进行检测方法,检测结果更准确,应用范围更加广泛。 相似文献
7.
8.
人群运动方向异常检测算法 总被引:1,自引:1,他引:0
运动方向是人群运动的一个重要特征。运动方向统一有序的人群运动中,人与人之间的受力小、存在碰撞的可能性低;而在方向杂乱的运动中,人与人之间受力较大、存在碰撞的可能性大,进而可能会导致踩踏等安全事故。因此,给出了一种新的人群运动方向异常检测方法,该算法利用光流法计算出人群的速度矩阵和运动方向矩阵,基于以上两个矩阵计算出“帧非同向运动指数”,并以此为依据来评价当前运动人群的运动是否存在异常。实验表明,“帧非同向运动指数” 直接体现了当前人群运动是否有序,因而基于运动方向的人群异常检测算法能够有效地检测出人群运动方向是否发生了混乱,以避免在方向杂乱的运动中发生危险事故。 相似文献
9.
CURE算法是一种凝聚的层次聚类算法,它首先提出了使用多代表点描述簇的思想。本文通过对已有的基于多代表点的层次聚类算法特点的分析,提出了一种新的基于多代表点的层次聚类算法WRPC。它使用了基于影响因子的簇代表点选取机制和基于k-近邻方法的小簇合并机制,可以发现形状、尺寸更为复杂的簇。实验结果表明,该算法在保证执行效率的情况下取得了更好的聚类效果。 相似文献
10.