基于多条件随机场的短时交通流预测模型

为有效解决传统的短时交通流预测方法较为单一,特征没有得到良好体现的问题,提出一种基于多条件随机场的短时交通流量预测模型,用4类特征函数建立多个CRF特征子集反映交通数据的多累特征,依据改进的势函数体现短时交通数据流的前后相关性,经训练拟合得到MCRF模型。利用智能交通信号系统和高清道路监控系统的数据,验证了拟合后的MCRF模型比其它模型具有更高的可行性和有效性。

基于多条件随机场模型的异常行为检测

传统的异常行为检测多数是利用单特征建模,检测的行为较为单一,检测率较低,针对这些问题,提出一种基于多条件随机场模型(MCRF)的异常行为检测方法,MCRF模型具有融合多特征和联系上下文信息的优势。通过Kinect获取3D骨架数据,提取角度、位置、速度三类特征,形成多类特征子集,利用基本的CRF模型对每一类特征子集建模,形成多个CRF单元,然后组合所有的CRF单元,得到MCRF模型,最后利用MCRF模型进行异常行为检测。实验结果表明基于MCRF的异常行为检测方法具有较高的检测率。

基于星型模型与多条件随机场的人体行为识别

为提高人体行为识别的实时性与准确性，提出一种基于星型模型与多条件随机场（Multiple Conditional RandomFields，MCRF）相结合的行为识别方法。首先，利用混合高斯模型进行背景建模，提取人体目标，建立人体星型模型。其次，通过建立人体坐标系，确定星型模型中各关键点的坐标提取距离、速度、角度、轨迹特征，并对每一特征集进行条件随机场建模，联合4类条件随机场模型建立多条件随机场模型，进行人体行为的识别。通过在KTH人体行为数据库上进行测试，结果证明，此方法能实时、准确的进行人体行为识别。