结合全局与局部视频表示的视频异常检测算法

针对视频异常行为检测问题,提出结合全局与局部视频表示的视频异常检测算法.首先将输入视频连续多帧划分为视频块.再按空间位置将视频块划分为互不重叠的时空立方体,利用时空立方体运动特征构建基于空间位置的全局时空网格位置支持向量数据描述模型(SVDD).然后针对视频运动目标,提取局部纹理运动特征,采用SVDD获得围绕目标特征的超球体边界,构建运动目标正常行为模型.最后组合两部分以实现更全面的检测.公共数据集上的实验验证文中算法的有效性.

基于手机传感器的车辆轨迹实时在线压缩方法

随着具有定位功能的各类便携式移动设备的普及,产生了大量的移动目标时空轨迹数据,庞大的数据规模对轨迹数据管理和分析带来了严峻的挑战.车辆时空轨迹数据压缩算法,通过监测分析车辆在不同运动行为模式下智能手机内置线性加速度传感器和方向传感器的数据变化规律,识别车辆的转向行为和变速行为,并根据识别结果请求GPS传感器定位,记录相应轨迹特征点,从而实现车辆轨迹的实时在线压缩.将本文算法与基于特征点提取的轨迹压缩的代表性算法进行对比实验,结果表明:本文算法在压缩精度上稍弱于代表性算法,与在线NOPW(normal opening window)算法相比,时空距离偏差平均比其多0.4 m,空间距离偏差平均比其多0.6 m;本文算法可在当前秒获得特征点,比DP(douglas-peucker)算法减少约30%的计算耗时,减少了网络传输数据量;只在关键特征点处请求定位采样,压缩结果能一定程度地适应路况变化,减少了对手机存储空间的占用,并有助于降低手机耗电量.