计算机应用与软件
計算機應用與軟件
계산궤응용여연건
COMPUTER APPLICATIONS AND SOFTWARE
2011年
3期
213-216
,共4页
事件检测%隐马尔科夫%免疫克隆
事件檢測%隱馬爾科伕%免疫剋隆
사건검측%은마이과부%면역극륭
针对交通视频事件描述的观测数据与判别状态的非直接关联性,以高速公路上车辆之间的相对速度、距离、位置作为观测物理量,定义异常事件的危险程度作为检测状态,利用隐马尔科夫学习算法,建立了事件特征描述模型(HMM);针对HMM事件分类界面的非线性问题,利用免疫克隆浓度聚类算法(ICCCA)对事件进行异常/正常优化分类,克服了直接利用HMM阈值分类的方法局限,以及传统分类方法约束条件多,容易陷入局部最小的缺点,能够准确快速地得到全局优化分类结果.采用30段正常视频和70段撞车视频进行测试,比较了HMM阈值、神经网络算法、SVM算法对撞车事件的ROC曲线和计算复杂度,表明所提方法对于高速公路撞车事件优于其他分类算法.
針對交通視頻事件描述的觀測數據與判彆狀態的非直接關聯性,以高速公路上車輛之間的相對速度、距離、位置作為觀測物理量,定義異常事件的危險程度作為檢測狀態,利用隱馬爾科伕學習算法,建立瞭事件特徵描述模型(HMM);針對HMM事件分類界麵的非線性問題,利用免疫剋隆濃度聚類算法(ICCCA)對事件進行異常/正常優化分類,剋服瞭直接利用HMM閾值分類的方法跼限,以及傳統分類方法約束條件多,容易陷入跼部最小的缺點,能夠準確快速地得到全跼優化分類結果.採用30段正常視頻和70段撞車視頻進行測試,比較瞭HMM閾值、神經網絡算法、SVM算法對撞車事件的ROC麯線和計算複雜度,錶明所提方法對于高速公路撞車事件優于其他分類算法.
침대교통시빈사건묘술적관측수거여판별상태적비직접관련성,이고속공로상차량지간적상대속도、거리、위치작위관측물리량,정의이상사건적위험정도작위검측상태,이용은마이과부학습산법,건립료사건특정묘술모형(HMM);침대HMM사건분류계면적비선성문제,이용면역극륭농도취류산법(ICCCA)대사건진행이상/정상우화분류,극복료직접이용HMM역치분류적방법국한,이급전통분류방법약속조건다,용역함입국부최소적결점,능구준학쾌속지득도전국우화분류결과.채용30단정상시빈화70단당차시빈진행측시,비교료HMM역치、신경망락산법、SVM산법대당차사건적ROC곡선화계산복잡도,표명소제방법대우고속공로당차사건우우기타분류산법.
