基于信息融合的客运站人体异常行为识别研究

来源 :第五届中国智能交通年会暨第六届国际节能与新能源汽车创新发展论坛 | 被引量 : 0次 | 上传用户:hzzaa
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  论文构建了基于多路摄像机、微光夜视仪、红外热像仪的音频、视频等多源信息集成和融合的行为识别体系结构。提出了大型客运站的异常行为定义及识别流程,通过构建个体简单行为模型,并计算个体简单行为概率,推断复杂群体行为的发生概率。研究了客运站异常行为的界定和报警阀值设置,实现了客运站异常行为的有效识别和及时报警,为智能视频监控技术提供新的理论和方法。
其他文献
针对现有路基检测方法存在的缺点,提出一种基于无线网络的、多参数、高精度、全方位的路基沉降变形自动检测与实时监测系统。系统由分层垂直沉降自动测量系统、横向剖面变形自动测量系统、表面沉降自动扫描测量系统、前置GPRS终端、监控中心构成,可实现对路基整体沉降变形、局部沉降变形、截面内不同层的沉降与变形的长时间实时自动监测与报警,具有操作简单、可靠性高、适用范围广等特点。
智能运输系统是解决我国当前交通拥堵,提高道路交通安全管理的有效手段。本文首先介绍了美军发展智能运输系统的基本情况。然后结合我军军交运输发展,分析了智能运输系统对提高军交运输保障能力的重要意义。最后,对我军发展智能运输系统应注意的几个问题进行了说明。
汽车追尾报警/避撞系统能够有效避免追尾的危险,对提高交通安全具有重要意义。论文通过真实道路实验获得乘用车驾驶员特性实验数据,得到不同类型驾驶员跟车的行为特性参数,提出了适应驾驶员特性的基于避撞时间TTC(Time to Collision)的报警算法,确定了报警/避撞启动逻辑,并且根据驾驶员异常行为的实验数据统计得到报警/避撞阈值。试验结果表明,本文提出的追尾报警/避撞算法能够有效体现不同类型的驾
自动事件检测算法是一个成功的高速公路管理系统的关键因素。本文对目前存在的典型事件检测算法:比较/模式识别算法和统计预测算法等算法进行阐述及评价,通过比较分析,指出各自的优缺点,为合理选用道路交通事件自动检测算法提供一些理论参考。
系统研究了疲劳状态下驾驶人眼部生理状态、方向盘操作特性以及车辆行驶轨迹特征,采用统计分析的方法,以显著性水平为评价手段,优化出了PERCLOS、最长闭眼时间、方向盘零速百分比、车辆横向位置标准差等多个疲劳判别指标。在充分考虑各信息源相关性和互补性的基础上,开发了以fisher判别进行特征级融合,以D-S证据理论进行决策级融合的分层融合算法,建立了基于人眼生理特征、方向盘操作特性以及车辆行驶轨迹等多
准确的道路交通预测是智能交通控制的可靠保障。为了提高道路交通预测能力,基于元胞传输模型(CTM模型),提出改进型CTM模型。改进型CTM模型通过引入元胞长度参数,分别建立单路段、路段汇聚、路段分流等元胞传输表达式。改进型CTM模型克服了CTM模型需要所有元胞必须统一长度的不足,提高了模型在不同长度道路中应用的适应性。仿真结果表明改进型CTM模型能够满足城市道路交通流预测要求。
交叉路口的交通行为研究是智能交通领域一个重要的研究方向,在提高交通效率和缓解交通堵塞等方面具有实用意义。而交通数据采集和获取是研究过程中的首要难题,尽管现在已经有很多成熟的传感器技术能够应用,但其数据采样率和精度都十分有限。本文利用一种新的基于分布式激光传感器网络的交通数据获取系统,在交叉路口进行了两次真实数据采集实验,并对实验数据进行处理输出,实现了对移动目标的检测与跟踪。在此基础上,通过统计车
浮动车信息处理系统在日常的运行中产生海量城市历史交通流数据,可应用于交通运行分析、交通决策支持和交通管理等。但是原始的历史路况数据存在存储量大、噪声多和数据缺失等问题。本文提出了一种基于混合模型的数据分析方法。在对原始数据完成异常值剔除,填充和平滑的预处理后,进行信息集成,从而找出道路的路况变化趋势,并能降低数据的存储量。运用上述关键技术,开发出原型系统,通过选取交通流数据集进行测试,验证了此分析
混合交通特性是我国城市信号交叉口最为显著的特点之一。本文运用视频分析技术,对信号交叉口行人自行车交通特性进行了研究,能够为研究信号交叉口混合交通信号控制。首先,分析了红灯时间末行人自行车的等待特性,提出了类扇形等待特性,并建立了密度和面积模型;分析了绿灯放行时间行人自行车释放特性,提出了行人自行车的两阶段释放特性,运用一款德国视频分析软件对行人自行车过街过程实时的位移、实时速度进行了分析,得到行人
本文首先从自动控制角度认识交通流预测本质,深入分析了短时交通流存在的非线性、时变性和不确定性三个特性,指出应用径向基神经网络(RBF)和非参数回归方法(NPR)进行短时交通流预测的适用性。提出将径向基神经网络的输入端和训练数据重新进行选择,并且对网络的权值和阈值重新进行训练是保证交通流特性的关键,将此关键问题对应到算法中的两个重要参数:预测误差范围和最大神经元数目进行了预测结果分析说明。同样对于非