排序方式: 共有8条查询结果,搜索用时 0 毫秒
1
1.
2.
行为模式挖掘技术是监控视频语义分析的重要组成,由于先验知识的缺乏与特征维数约束,难以准确定义参数化挖掘模型的结构复杂度,通过非参数化的无限高斯混合聚类运动特征得到原子行为模式,并估计其持续时间分布,使用局部特征维测试验证了挖掘模型的运动相似性假设。结果表明所得到的行为模式集准确刻画了场景的潜在运动语义,而通过行为中存在的时间多形态分布进一步发现了隐藏运动知识。 相似文献
3.
4.
5.
目的 在视频监控和人群模式行为理解的重要应用中,识别分割场景中的集体行为仍然是一个极具挑战性的问题。在这项研究中,提出一种基于流形密度的集体聚类算法,能够识别具有任意形状和不同密度条件下的集体行为的局部和全局模式。方法 受群体运动行为的流形拓扑结构启发,首先提出一种新的流形距离度量方式用于挖掘群体运动的深层行为模式。进一步定义了集体聚集密度的概念,并通过基于聚集密度的聚类算法识别具有局部一致性行为的群组,这种策略更适用于识别具有任意形状的聚类。同时考虑到子群组之间的复杂交互作用,引入层次聚集合并算法得到全局集体行为模式,可以有效地表征全局一致性关系。结果 针对不同情况下的复杂场景,本文算法在集体视频监控数据集下的实验结果表明了其有效性和鲁棒性,相比于传统的聚类方法和标准经典算法,以平均误差(AD)和方差(VAR)作为评价指标来评价算法性能,本文方法将识别分割聚集行为群组的误差率结果控制在了0.81和0.99以内,相比许多经典方法有较大提升。同时在具有复杂流形结构及任意密度条件下的人群场景中能够取得精确有效的识别结果,解决了经典方法在该特殊场景下存在的缺点。结论 本文针对已有方法在流形结构场景识别集体行为流向缺乏精确性和稳定性的描述和分析这一问题,提出了基于流形密度的群组聚集聚类识别算法,在多个复杂真实视频数据集中进行实验,证明了所提方法的有效性,并相比于已有方法具有更高的识别精度。 相似文献
7.
8.
基于SEDRIS的综合战场环境数据表示模型 总被引:1,自引:0,他引:1
一致性的战场数据表示机制和无缝的数据共享机制是决定建模仿真可信度的关键因素,综合环境数据表示和交换规范SEDRIS为解决这个问题提供了很好的技术支持。本文首先归纳了SEDRIS的相关基本概念,分析了综合战场环境的必要的构成要素,在此基础上提出了一个包含自然和人文特征的环境要素和作战实体外部特征的概念模型,基于SEDRIS给出了两种代表性要素的数据表示模型,利用DRM模型对综合战场环境中的地形元素与坦克作战元素进行统一的无歧义的UML建模,最后提出了如何利用SEDRIS对概念模型进行有效描述,显示了SEDRIS模型在综合战场环境数据表示方面的效率性。 相似文献
1