复杂地铁人流环境下多视角模糊人像鉴定技术

由于监控拍摄到的人像整体模糊、分辨率低,不易鉴定辨别,因此提出了复杂地铁人流环境下多视角模糊人像鉴定技术。根据整体视觉系统与经典三色信号之间的存在性对数关系,确定模糊图像的三色适度取值,获得有效的图像光照补偿处理,其次通过进项去噪和分辨率重置剔除图像中冗余信息,来保证还原图像的精准度,随后使用基于简单时态网络(Simple Temporal Network,STN)的三维人脸矫正技术,矫正人像姿态以及角度,最后将经过处理的图像输入至支持向量机LIBSVM中,建立人像模型的底层数学模型,通过目标函数值完成鉴定。仿真结果证明,所提方法可以有效对模糊人像进行矫正鉴定,且具有精准度高、过程简单的优点。     

基于时间序列的轨道交通客流动态分配仿真

轨道运行时会发生各类不确定性突发事件,导致交通拥堵,引发乘客恐慌,使原本的规律的客流分布产生变化,无法精准掌握客流实时动态,进一步加深事态的严重性。对城镇轨道交通提出基于时间序列的客流动态分配方法。利用时间序列理论对乘客分形规则进行分析,了解其具有的混沌不确定性特征,以反馈时延为依据,得出在突发事件下不确定性客流动态预测精准结果,最后给出基于随机均衡的客流动态分配策略,完成分配。通过仿真结果表明,所提方法对不同条件下的区域内轨道交通客流方差较小,且客流预测值与实际值较为接近,证明动态分配较为合理。