基于粒子熵值的异常行为检测

在异常行为检测当中,人群的分布信息十分重要。针对该情况,提出了一种基于粒子熵值的异常行为检测方法。该方法采用混合高斯模型动态建模提取出视频图像的背景,在提取到的背景图像上使用KLT(Kanade-LucasTomasi)算法追踪前景获得人群的速度和位置。基于人群粒子的网格分布获取相对应的直方图,并通过计算直方图的粒子熵值描述人群行为;最后,结合粒子分布的熵值与人群粒子的速度,提高异常行为判断的准确性。基于不同场景下的视频序列所进行的实验测试结果验证了所提方法的有效性。

基于融合IPF与AH算法的锂电池SOC估计

针对安时(AH)积分算法在估算锂离子电池剩余电荷量(SOC)时,因初始值不精确而导致较大误差的问题,文中提出一种融合改进粒子滤波(IPF)和安时(AH)积分的算法。该算法首先是对传统的粒子滤波算法中的重采样技术进行修改,以提高重采样中粒子的熵值,然后将IPF算法与AH算法进行公式融合,最后以等效电路模型进行仿真实验。实验结果表明:所提算法相对于AH方法精确度更高,在保证精确度的前提下相对于IPF算法具有更快的响应速度;证明了所提算法融合了AH算法和IPF算法的优势,对电池SOC的估计更加高效,同时也具有更好的工程应用价值。