基于联合轨迹特征的徘徊行为识别方法

徘徊行为判定作为异常行为识别的热点难题,目前存在难以构建具有场景特定性的识别模型问题.特定场景下的行人轨迹数据,或是有标签,或是无标签,针对如何利用特定场景下有标签轨迹数据信息问题,结合行人多种轨迹特征,提出基于分类函数的徘徊行为识别模型,能够通过分类函数自动学习该场景下有标签轨迹数据中的徘徊行为模式;针对如何利用特定场景下无标签轨迹数据信息问题,提出基于异常检测的徘徊行为识别模型,能够在大量无标签轨迹数据中自动学习潜在的徘徊行为模式.基于两种徘徊行为识别模型,提出徘徊行为识别框架,能够利用目标跟踪算法获取特定场景视频中行人的轨迹数据,并根据数据是否带有标签合适地构建对应的具有场景特定的徘徊行为识别模型.为了验证所提模型的有效性,选用CASIA⁃AR公开数据集作为测试集,和三种基准模型一起,在行走、奔跑和徘徊行为的识别上进行了对比实验.实验结果表明,所提模型在测试集上的准确率和召回率都优于基准模型,F1指标也有提升,验证了所提模型的有效性、场景特定性和迁移性.

基于孪生网络的多目标跟踪算法

多目标跟踪是计算机视觉领域一个重要的分支,在视频监控、自动驾驶等方面都有广泛的应用,而目前主流的多目标跟踪算法大都遵循基于检测的跟踪范式。针对SiamRPN++算法在有语义和外观均相似目标的场景下存在跟踪结果在正确和错误之间频繁切换的问题,文章提出了EmSiamRPN算法,该算法利用重识别特征对跟踪算法进行改进。针对基于检测的跟踪框架设计的FairMOT算法中卡尔曼滤波器存在手工设计关键参数问题,文章提出了EmSiamMOT算法,该算法使用EmSiamRPN算法替代卡尔曼滤波器,避免了手工设计关键参数,能够进行端到端的训练。为了验证所提出算法的有效性,文章选用MOTChallenge 2016公开数据集作为测试集,通过与SiamRPN++算法的单目标跟踪效果和FairMOT算法的多目标跟踪效果的对比实验验证了所提算法的有效性和优势。

浅谈物理课堂教学中的结课艺术

结课是一堂课将近结束的体现，成功的结课不仅可以对教学内容起到梳理概念、画龙点睛和提炼升华的作用，而且还能延伸、拓宽课堂教学内容，使学生保持旺盛的求知欲望和浓厚的学习兴趣。从而取得“课虽了而趣无穷、思未尽想再探”的效果。为此，一堂完整的好课，不仅要有“凤头”和“猪肚”，还应有“豹尾”。

浅谈极限思维法在物理题中的应用

所谓极限思维法是根据已知的经验事实,从连续性原理出发,把研究的现象或过程外推到理想的极限值上加以考虑,使主要因素或问题的本质迅速暴露出来,从而可得出正确的判断。极限思维法用于物理解题,往往能独辟蹊径、化繁为简、化难为易,从而达到事半功倍的效果。

利用程序习题进行物理教学的一些尝试

程序习题是把许多彼此相关的物理现象、物理问题按某种程序组合而构成的多层次习题,又叫系列习题。在教学中恰当地运用程序习题,有利于提高学生对知识的理解和能力的培养。本文主要介绍程序习题在教学中的应用来说明这一点。 (一)

关于跨步电压的模拟实验

在初中物理《安全用电》一节介绍了跨步电压的概念,然而在日常生活中学生几乎是无法见到这种现象的(当然也不希望他们见到这类现象)。但这种知识是重要的。因此。