基于多类型网络流量分析的网络拓扑结构估计方法研究

对网络监测流量类型进行了分析,采用Libcap库、小波变换和分层聚合等关键技术设计了一种网络拓扑结构估计方法。该方法创新之处在于能够被动探测网络流量,对网络内部的节点互作能力不具有依赖性。经实际测试,研究提出的方法在内网探测环境下的F1值比仅考虑往返时间的方法平均增加了29.74%。研究所提方法在外网探测环境中的内部节点比例更接近1,且F1值平均增加了4.50%。该方法实现了复杂网络环境下的网络拓扑结构估计,满足多类型网络流量监测的高精度需求。

多线索融合的无视野重叠跨摄像机行人跟踪算法

针对单个摄像机视野有限而无法满足日益扩大的监控范围的现象,对无视野重叠的跨摄像机行人跟踪算法进行了研究,并提出了一种融合时空线索和外观线索的无视野重叠跨摄像机行人跟踪算法。在对已有摄像机网络拓扑结构估计算法分析的基础上提出了一种基于加权时间窗口的无视野重叠摄像机网络拓扑结构估计算法;然后利用朴素贝叶斯完成两种线索融合,实现不同摄像机间行人匹配和跟踪信息的传递,最终实现无视野重叠区域的跨摄像机行人跟踪。该算法在公开的MCT数据集上进行对比实验并取得了优于其他算法的结果。