过程式城市建模研究进展

总结了当前城市范围快速过程式三维建模技术.该技术利用城市建筑物、道路等模型的相似性,定义模型的生成规则并作用于预设的基本模型元素,从而自动创建超大城区场景.过程式三维建模技术建模效率较高,但与真实场景往往有不同程度的差异,所得模型可用于游戏、影视和城区规划等领域.最后介绍了逆向过程式方法及其在城市建模中的重要应用和发展前景.

基于位置数据的居民出行时空特征研究——以上海市为例

为了有效提取城市居民出行特征,结合出租车轨迹数据和POI数据,以上海市为研究区域,采用一种基于DBSCAN和K-means的混合聚类模型对上海市POI数据进行空间聚类分析,计算出区域集聚和中心后,引入泰森多边形(Voronoi图)的概念,将城市划分为多个人群聚集区域;通过对轨迹数据的分析,挖掘居民出行的时空特征,并对其成因做出了简要的分析。实验结果表明:居民出行特征具有明显的随时间变化的规律,各区域的出行高峰时间基本一致;居民出行特征在空间上呈现出明显的距离衰减效应,区域间距离越远,交互强度越弱。

建设智慧城市 公共安全不容忽视

在新型智慧城市标准体系基础上,应结合智慧城市公共安全管理特点,以公共安全数据治理、信息共享、应用设计、系统对接和业务协同及效能为目标,构建智慧城市公共安全管理体系。发展智慧城市,其目标是用先进技术解决复杂的城市问题,实现城市和谐发展、城市宜居、城市高效运行、城市生态环境保护,建设一个可持续发展的城市。建设智慧城市刻不容缓提到智慧城市,很多人首先会想到生态、绿色、可持续,尤其是在欧洲。在中国,智慧城市往往与数字城市、智能城市联系在一起,更多的是强调技术和信息,特别是信息通信技术。我认为,智慧城市应以资讯科技应用为主线,利用信息技术.

基于多模态特征融合的图像描述算法研究

针对图像描述任务,传统算法更加关注图像中的视觉物体,而忽略了文本信息对其描述也起到了不可或缺的作用。为增强对图像中文本信息的提取,提出了一种基于多模态特征融合的图像描述算法。在视觉特征提取的基础上,增加文本识别和检测算法,并使用多模态Transformer来融合两种模态。在解码阶段,采用中心图作为指导模块,使用动态指针网络实现迭代解码,使模型生成更加丰富的自然描述语句。最后在Textcaps数据集上的实验结果表明,该方法可以有效提高文本区域中OCR令牌的提取精度。

基于话题的微博传播模式与特性研究

针对突发事件类、文体类和生活类话题的微博,研究了他们的传播模式与特性。通过Web挖掘从网络上收集"海葵"、"奥运会"和"开学"这3个话题的微博传播广度和深度数据,分析发现不同话题微博在传播中存在相似性和差异性。各类话题的微博在传播广度和深度上都满足金字塔规律和"二八法则",即传播广度或深度小的总是占据绝大部分,而广度或深度大的只是极个别的微博。就广度而言,突发事件类微博广度高于文体类话题微博,文体类话题微博又高于生活类话题微博;就深度而言,文体类话题微博深度高于突发事件类话题微博,突发事件话题又高于生活类话题。此外,"海葵"和"奥运会"微博的广度和深度均表现出弱相关性,"开学"微博的广度与深度则未表现出相关关系。

微博客实证研究综述

分别从微博客实证研究内容和微博客实证研究方法两个方面对过去三年有关微博客的实证研究做了梳理和评述,指出了当前微博客实证研究存在的问题和未来进一步的研究方向。

基于窗口注意力机制的文本超分辨率方法

自然场景下文本图像往往具有复杂且多样化的背景,由于拍摄条件的限制,这些图像可能存在模糊、昏暗或低分辨率等问题,给文本识别任务带来了挑战。为了提高文字区域的清晰度并提升文字识别的准确性,提出了文本超分辨率网络TSSRN。该算法在文本超分辨率网络TBSRN的基础上引入了Swin Transformer,以感知更多层次的特征信息。此外,还引入了边缘损失函数增强纹理结构特征。最后在TextZoom数据集上进行训练和测试,实验结果表明,该方法在文本图像超分辨率重建的细节清晰度方面取得了一定的提升,相较于原TBSRN算法也有所提高,从而验证了算法的有效性。

心内膜三维几何模型交互式网格切割算法研究

针对心内膜三维标测系统中心内膜模型网格切割模块,提出一种新的交互式网格切割算法。系统在载入心内膜三维几何模型后初始化切割平板模型,由用户交互移动切割平板和旋转切割平板的法线。借助矩阵变换,针对心内膜三维几何模型实现能反映用户切割意图和保持网格细节特征的网格切割,而且切割平板可以消除锯齿效应。实验对比结果证明,该算法对于心内膜三维几何模型可以实现令用户满意的实时无锯齿交互式网格切割。

微博客用户实时信息分享行为影响因素研究

本文在以往研究的基础上,建立了微博客用户实时信息分享行为影响因素的研究模型,并提出了科技因素、分享习惯与微博客用户实时信息分享行为之间的研究假设;其中,科技因素由移动性和便捷性两个维度构成。网上问卷调研的方法被采用对所提出的模型和假设进行了实证检验。结果发现,微博客用户的实时信息分享行为受到科技因素和分享习惯的影响,而分享习惯的形成又受到科技因素的影响。

三维重建中点云配准算法研究

为了提高三维重建中点云配准的效率和精度,提出了一种基于由粗到精(CTF)方式的点云配准算法,当两帧点云位姿差别较大时,首先利用基于FPFH特征点的采样一致性初始配准算法(SAC-IA)进行两点云的粗配准,为精配准过程提供较好的初始位姿;然后再采用传统ICP算法的改进算法EM-ICP算法对点云位姿做refine,进行点云的精确配准;同时,在执行算法过程中通过GPU进行多线程并行加速。实验结果表明,所提配准算法与只使用单一的配准算法相比,配准精度有较大的提高;与SAC-IA+ICP算法相比,在保证配准精度的基础上,提高了配准效率。

基于多特征的视频描述生成算法研究

针对视频描述生成任务,提出一种基于多特征的描述生成算法。分析和提取视频片段的视觉信息和语音信息,经融合后形成丰富的视频语义表达。在基于长短期记忆网络构成的编解码框架中进行编解码操作,保留捕获各视频帧序列特征的时序结构,通过嵌入注意力机制,使得整个模型有能力关注重要信息出现的时刻,最终生成视频描述语言更加准确丰富。所提出的方法在公开的视频描述数据集MSR-VTT进行测试,测试各种特征模型生成描述语句的准确度,与基准方法相比较,取得了较好的效果。

城市公共安全剖析与展望

发展智慧城市,其目标是用先进技术解决复杂的城市问题,实现城市和谐发展、城市宜居、城市高效运行、城市生态环境保护,建设一个可持续发展的城市。

基于FAST-ER改进算法的增强现实空间注册技术研究

针对增强现实空间注册算法提取图像自然特征不足、实时性较弱等问题,采用基于FAST-ER的改进算法对目标图像进行检测与匹配。首先优化决策树的调整与迭代过程,使用简化的SURF算法计算特征点的方向信息,最后建立特征描述符进行图像特征匹配。实验结果表明,该算法相比传统检测算法在耗时方面缩短13.281%、检测数量减少16.131%,满足实时性需求,提高了特征点的匹配速度,能较好的适应复杂的户外环境,当场景光照强度变化、匹配图像模糊变化时,具有更好的准确性和鲁棒性。

基于Web的手机App智慧医疗多媒体管理系统

针对传统的医疗手术室存在的空间小、环境嘈杂以及与外界通信封闭的诸多问题,根据医生患者以及医学生们的实际需要,设计了一个基于Web的手机App智慧医疗多媒体管理系统。系统采用开发效率比较高的SpringMVC+Spring+MyBatis(SSM)框架以及MySQL数据库,并结合前端Layui、Bootstrap框架技术进行开发,完成了智慧医疗多媒体管理系统的相关界面设计,实现了"手术直播示教"、"视频资源管理"、"图片资源管理"以及"术中信息查看"功能。测试效果良好,用户可以通过用户名和密码登录系统,观看手术室内手术情况以及查询各手术室的手术信息,也可以对直播的视频资源以及风景屏的图片资源进行查询和管理,实现了设计需求。

针对重复性结构下的三维场景重建方法研究

运动推断结构(SFM)被广泛的应用在三维重建领域,该系统可以用无序的图片进行三维重建。但是在现实生活中,很多物体都是重复性的结构,又因缺乏先验信息,如果仅依靠特征匹配,极易导致错误的图像匹配,最终重建出错误的三维结构。虽然某些物体的结构较为对称,各表面也十分相似,但是仍然包含有大量的背景信息可以利用,并且重建结果的错误往往只是个别图像误匹配所导致的。对此提出一种结合视觉词袋模型和背景信息的三维重建方法,通过实验发现,相较于传统方法,所提方法不仅降低了计算开销,更能有效的纠正错误的三维重建结果。

基于核密度估计的新浪微博数据地理空间分析:以上海市为例

为了提取和分析中国上海的社交网络位置数据,通过使用KDE作为空间分析技术来探讨LBSN数据的应用,分析用户参与的新浪微博签到数据与城市特征之间的关系,更重要的是调查上海密集地区的人口密度,以便于相关部门更好地观察和管理。通过使用新浪微博API收集了中国上海10个不同地区在2016年1月~3月期间的数据,并利用核密度估计对基于位置社交网络数据集的新浪微博用户的签到频率进行分析。研究结果表明,核密度估计方法为利用地理空间数据集进行空间模式建模提供了有益的见解。此外,与研究区域的副城区相比,中心城区的密度更大。由此得出结论:通过使用核密度估计技术,可以评估个体的签到行为以及更广泛的总体人口模式。该研究对城市功能及其环境影响、城市可持续性发展和基于城市人口密度的应急响应等领域都有一定的借鉴意义。

行人再识别问题中背景抑制方法的研究

行人再识别是指,在不同时间空间下视角不重叠的摄像机视图中同一行人图像的匹配问题。行人再识别在视频监控方面具有重要的应用价值,是智能监控系统的重要基础。然而,由于摄像头性能不高、监控场景变化、行人的移动性等因素,在现阶段行人再识别存在图像分辨率低、光照背景变化、视角变化、姿态变化等诸多挑战。分析发现直接去除背景会在边界处引入新的梯度信息,从而使得行人再识别模型的性能变差。对此,提出了一种简易的、基于高斯加权的背景抑制方法,能有效抑制背景以提升行人再识别模型的性能。

基于人群密度的最优路径规划算法研究

在众多路径规划算法中,A^*算法是一种典型的最短路径规划算法,但是该算法的应用环境较为局限。为此综合复杂环境中人群密度的因素,以时间最短为准则,将最短距离路径规划问题优化为最短时间路径规划。最优路径规划算法在A^*算法的基础上,引入不同人群密度环境下的行人速度模型,将A^*算法中基于距离的评估函数改变为基于时间的评估函数。实验通过标准网格地图对144种情况进行了模拟,结果表明,相较于传统A^*算法,最优路径规划算法优先选择从周围低人群密度区域绕行到达终点,规划路径在距离上可能更长,但是花费的时间更短。

植物点云空间划分管理算法研究

针对科技进步导致点云数据更加庞大、分布更加不均匀,点云数据的处理变得越来越重要的问题,设计了一种更加具有针对性的植物点云数据空间压缩管理方法。根据植物的特点先采用亲疏关系进行聚类划分,去除实验中不需要的三维信息,采用改进的最小层次分割算法以及kd-tree进行邻域的点云搜索。结果为:实现了65%的压缩率的同时将压缩时间缩减至常用的K-Means压缩算法的一半。结果表明所提方法在保证不丢失原始点云基本特征的前提下,解决了一定的点云数据冗余、局部特征点丢失问题,可以更快捷的获取所需点云特征信息。

基于注意力机制的三维模型多视图分类算法研究

对于三维模型的分类,根据其不同的模型类型有不同的分类方法:利用三维模型多视角的二维视图进行分类,利用点云格式的三维模型分类以及利用体素模型进行分类。由于三维模型结构的复杂性和不规律性,且因为二维图像的标记数据量远远大于三维模型,所以一般使用三维模型的多视图图像来对三维模型进行分类研究。其中选择了多视图卷积神经网络(Multi-View Convolutional Neural Networks,MVCNN),因其网络结构不复杂,耗时适中且具有不错的分类结果。并通过向MVCNN中引入注意力机制,使得图像的主要特征位置以及特点显著,能够更好地对三维模型的图像进行特征提取以及分类。实验结果表明,引入注意力机制的多视图三维模型分类方法较原方法,能够将三维模型多视图的分类准确率提高约3%。