基于多特征融合的停车场行人异常行为识别

视频异常行为检测对保障公共安全至关重要。针对停车场视频监控中行人异常行为识别准确率低的问题,提出一种基于轨迹-骨架多特征融合的异常目标识别方法。首先根据停车场的环境要求定义异常行为类型;然后对停车场区域进行行人识别,对行人进行图像跟踪,得到其运动轨迹,并对人体姿态进行分析,计算相应关节点的图像坐标;最后融合轨迹特征和骨架特征,对正常行为和异常行为进行分类,实现对目标异常行为的识别。在行为分析数据库上的试验结果表明,本算法的准确率达到87.08%,与单一特征识别方法相比,提高了异常行为的检测效率。本方法能够有效地识别停车场行人的异常行为,在实际工程中具有参考价值。

基于卡尔曼滤波与均值聚类的汽车工况研究

针对现有汽车行驶工况不能满足城市交通情况实际需求的问题,提出一种基于卡尔曼滤波与均值聚类的汽车行驶工况构建方法。首先,对车辆行驶数据进行预处理,去除异常数据;然后,结合卡尔曼滤波从微行程中提取偏度、峰度等特征参数,再利用主成分分析法进行降维,采用均值聚类算法将微行程划分为堵塞、一般和畅通3类,并引入轮廓系数作为聚类评价;最后,根据与聚类中心距离最近的原则选取9个具有代表性的微行程,生成符合实际交通特征的综合行驶工况,从特征值和比功率两个方面对工况进行验证与对比分析。结果表明,所构建工况的特征参数平均相对误差与比功率分布误差较小,均远小于对比工况的误差值。因此,基于卡尔曼滤波与均值聚类构建汽车工况可以更准确地反映汽车实际行驶状况。