【摘要】：基于本體和描述邏輯的交通事件語(yǔ)義識(shí)別和表達(dá)是智能交通領(lǐng)域的研究熱點(diǎn),能為城市交通管理和控制提供有效、完整、準(zhǔn)確的實(shí)時(shí)交通狀態(tài)信息,對(duì)于減輕交通壓力,減少交通事故,提高交通運(yùn)行效率和城市交通智能化水平均具有指導(dǎo)意義。然而,現(xiàn)有的計(jì)算機(jī)圖像語(yǔ)義分析技術(shù)無(wú)法自動(dòng)識(shí)別交通視頻圖像序列表達(dá)的交通事件高級(jí)語(yǔ)義,主要原因:一是缺乏對(duì)象的概念層次識(shí)別方法;二是低級(jí)的圖像視覺(jué)概念映射到事件高級(jí)語(yǔ)義時(shí)存在“語(yǔ)義鴻溝”問(wèn)題。這使得傳統(tǒng)的交通場(chǎng)景事件理解方法大多忽略了語(yǔ)義分析,僅針對(duì)純粹的圖像數(shù)據(jù)進(jìn)行分析。因此,道路交通事件內(nèi)容的高級(jí)語(yǔ)義識(shí)別、表達(dá)和推理方法研究,是一項(xiàng)富有重要研究意義的課題。本文源于省基金資助項(xiàng)目“基于交通態(tài)勢(shì)評(píng)估的道路安全推理研究”子課題的研究成果,共分三個(gè)部分:概念層次的對(duì)象識(shí)別方法研究、低級(jí)概念映射到高級(jí)語(yǔ)義的方法研究以及交通事件高級(jí)語(yǔ)義的識(shí)別、表達(dá)和推理系統(tǒng)開(kāi)發(fā)。本文主要貢獻(xiàn)如下:(1)利用改進(jìn)的“LST-KDE”算法、基于HSI顏色空間的Camshift算法以及Hough變換等提取交通圖像中對(duì)象的特征屬性(顏色、紋理等);然后,借鑒領(lǐng)域本體理論,構(gòu)建交通圖像層次概念模型,將交通場(chǎng)景圖像中擁有一定屬性特征的對(duì)象映射為基本概念;最后,給出交通領(lǐng)域本體自動(dòng)構(gòu)建方法,建立了交通領(lǐng)域本體知識(shí)庫(kù),實(shí)現(xiàn)了交通場(chǎng)景事件中對(duì)象的概念層次識(shí)別,并為下文語(yǔ)義推理提供了概念基礎(chǔ)。(2)為了解決“語(yǔ)義鴻溝”問(wèn)題,以描述邏輯作為邏輯表達(dá)和推理的基礎(chǔ),利用基于謂詞邏輯和Tableau算法的描述邏輯表達(dá)式搭建低級(jí)概念與高級(jí)語(yǔ)義之間的橋梁,提出了利用低級(jí)概念描述高級(jí)語(yǔ)義的表達(dá)方法。其中,描述邏輯角色集是概念映射到語(yǔ)義以及語(yǔ)義推理的關(guān)鍵。為此,引入RCC8空間拓?fù)浜湾F形空間方向模型,描述場(chǎng)景對(duì)象之間的空間拓?fù)浜头较蜿P(guān)系,以此作為描述邏輯的角色集的主要組成部分。(3)提出了交通事件語(yǔ)義識(shí)別、推理和表達(dá)系統(tǒng),包括屬性融合、語(yǔ)義映射及事件識(shí)別和表達(dá)3個(gè)模塊。首先采用訓(xùn)練好的最佳樣本圖像序列將完整交通事件劃分為若干子事件,構(gòu)建子事件的樣本圖像序列庫(kù);然后利用FSM自動(dòng)機(jī)以及描述邏輯RQL查詢語(yǔ)言自動(dòng)推理并識(shí)別每個(gè)子事件,最終實(shí)現(xiàn)完整交通事件的語(yǔ)義識(shí)別和表達(dá)。本研究的特點(diǎn)及創(chuàng)新性:使用本體和描述邏輯等能夠被計(jì)算機(jī)識(shí)別和處理的形式化自然語(yǔ)言,構(gòu)建了結(jié)構(gòu)化的語(yǔ)義表達(dá)系統(tǒng);通過(guò)模擬人腦思維進(jìn)行交通場(chǎng)景圖像的語(yǔ)義分析,識(shí)別并推理場(chǎng)景中交通事件態(tài)勢(shì)演化全過(guò)程,為交通場(chǎng)景理解、交通圖像檢索以及交通事件語(yǔ)義識(shí)別和表達(dá)提供新的思路和方法。
[Abstract]:Semantic identification and representation of traffic events based on ontology and description logic is a research hotspot in the field of intelligent transportation. It can provide effective, complete and accurate real-time traffic state information for urban traffic management and control, and reduce traffic pressure. It is of guiding significance to reduce traffic accidents, improve traffic efficiency and intelligent level of urban traffic. However, the existing computer image semantic analysis technology can not automatically identify the high-level semantics of traffic events expressed by traffic video image sequence. The main reasons are as follows: first, the lack of object conceptual hierarchy recognition method; Second, there is a semantic gap problem when the low-level image vision concept is mapped to the event high-level semantics. This makes the traditional traffic scene event understanding methods mostly ignore the semantic analysis and only analyze the pure image data. Therefore, the study of high-level semantic recognition, representation and reasoning of road traffic events is an important research topic. This paper derives from the research results of the project "Road Safety reasoning Research based on Traffic situation Assessment", which is funded by the provincial fund. It is divided into three parts: the research of object recognition method at conceptual level, The method of mapping low-level concepts to high-level semantics, and the identification, representation and reasoning system development of traffic event high-level semantics. The main contributions of this paper are as follows: (1) using the improved "LST-KDE" algorithm, the Camshift algorithm based on HSI color space and Hough transform to extract the feature attributes (color, texture, etc.); Then, using domain ontology theory as reference, the hierarchical conceptual model of traffic images is constructed, and the objects with certain attributes in traffic scene images are mapped to basic concepts. Finally, the automatic construction method of traffic domain ontology is given, the knowledge base of traffic domain ontology is established, and the concept hierarchy recognition of objects in traffic scene events is realized. It provides the conceptual basis for the following semantic reasoning. (2) in order to solve the problem of "semantic divide", descriptive logic is used as the basis of logic expression and reasoning. The description logic expression based on predicate logic and Tableau algorithm is used to build the bridge between the low-level concept and the high-level semantics, and a representation method is proposed to describe the high-level semantics by using the low-level concept. Among them, descriptive logical role set is the key to mapping concept to semantic and semantic reasoning. In this paper, RCC8 spatial topology and conical spatial orientation model are introduced to describe the spatial topology and directional relationship between scene objects, which is regarded as the main component of the role set of description logic. (3) Traffic event semantic recognition is proposed. The reasoning and representation system includes three modules: attribute fusion, semantic mapping, event recognition and representation. Firstly, the complete traffic events are divided into several sub-events by using the best sample image sequence, and the sample image sequence database of the sub-event is constructed. Then, FSM automata and description logic RQL query language are used to automatically infer and recognize each sub-event, and finally complete traffic event semantic identification and representation are realized. The characteristics and innovation of this study are as follows: a structured semantic representation system is constructed using formal natural languages such as ontology and description logic which can be recognized and processed by computer. The semantic analysis of traffic scene image is carried out by simulating human brain thinking, and the whole process of traffic event situation evolution in the scene is recognized and inferred, so that the traffic scene can be understood. Traffic image retrieval and semantic identification and representation of traffic events provide new ideas and methods.
【學(xué)位授予單位】：山東理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：U495

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陸建江;李言輝;張亞非;周波;康達(dá)周;;限制數(shù)量約束的擴(kuò)展模糊描述邏輯的推理復(fù)雜性(英文)[J];Journal of Southeast University;2007年02期

2 王靜;張健沛;楊靜;程麗麗;;面向矛盾問(wèn)題的動(dòng)態(tài)描述邏輯擴(kuò)展研究[J];哈爾濱工程大學(xué)學(xué)報(bào);2009年07期

3 張燕;;描述邏輯研究進(jìn)展[J];江南大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

4 王生生;劉大有;吳瑕;謝琦;郭昊;;模糊空間描述邏輯及應(yīng)用[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2010年06期

5 周鑫;張建軍;;基于描述邏輯的語(yǔ)義Web本體研究[J];科學(xué)技術(shù)與工程;2007年03期

6 胡鶴;杜小勇;;一種基于區(qū)間模糊理論的描述邏輯系統(tǒng)[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年S1期

7 曹茂俊;尚福華;滕雪萍;;基于描述邏輯的可擴(kuò)展的案例表示及檢索研究[J];科學(xué)技術(shù)與工程;2010年11期

8 曹凱;于少偉;;基于案例及描述邏輯的道路交通微觀態(tài)勢(shì)推理模型[J];中國(guó)安全科學(xué)學(xué)報(bào);2014年01期

9 王蓁蓁;;樸素模糊描述邏輯知識(shí)庫(kù)構(gòu)造及其樸素推理[J];應(yīng)用科技;2012年06期

10 郝斐;董慶超;曾廣軍;;一種基于描述邏輯的UML模型驗(yàn)證方法[J];計(jì)算機(jī)與數(shù)字工程;2011年11期

相關(guān)會(huì)議論文 前6條

1 文斌;甘健侯;夏幼明;徐天任;;基于ALC的擴(kuò)展描述邏輯ALC~+[A];邏輯學(xué)及其應(yīng)用研究——第四屆全國(guó)邏輯系統(tǒng)、智能科學(xué)與信息科學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

2 曹發(fā)生;;描述邏輯系統(tǒng)UEVN中概念的包含算法[A];“回顧與前瞻：中國(guó)邏輯史研究30年”全國(guó)學(xué)術(shù)研討會(huì)論文集[C];2010年

3 文斌;甘健侯;夏幼明;徐天偉;;框架表示法到擴(kuò)展描述邏輯ALC+的轉(zhuǎn)換初探[A];2008通信理論與技術(shù)新進(jìn)展——第十三屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（上）[C];2008年

4 吳凌坤;湯庸;湯娜;;一種基于時(shí)態(tài)描述邏輯的工資智能決策支持系統(tǒng)的實(shí)現(xiàn)[A];第二十三屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2006年

5 康達(dá)周;徐寶文;陸建江;李言輝;;支持語(yǔ)義web模糊本體的描述邏輯(英文)[A];全國(guó)語(yǔ)域web與本體能研討會(huì)論文集[C];2006年

6 李敏靜;郭佳宏;;基于描述邏輯的概念表示[A];2012·學(xué)術(shù)前沿論叢——科學(xué)發(fā)展：深化改革與改善民生（上）[C];2012年

相關(guān)重要報(bào)紙文章 前1條

1 中國(guó)科學(xué)院計(jì)算技術(shù)研究所 常亮邋史忠植;語(yǔ)義Web的邏輯基礎(chǔ)[N];計(jì)算機(jī)世界;2007年

相關(guān)博士學(xué)位論文 前10條

1 王靜;基于可拓集的描述邏輯研究[D];哈爾濱工程大學(xué);2009年

2 鄒婷婷;描述邏輯中若干問(wèn)題的研究[D];吉林大學(xué);2013年

3 張小旺;超協(xié)調(diào)描述邏輯[D];北京大學(xué);2011年

4 紀(jì)祥;二維描述邏輯的元建模及其應(yīng)用[D];吉林大學(xué);2013年

5 孫小林;2-型模糊描述邏輯及其在本體進(jìn)化中的應(yīng)用研究[D];華中科技大學(xué);2007年

6 沈國(guó)華;基于描述邏輯的語(yǔ)義Web服務(wù)建模及推理研究[D];南京航空航天大學(xué);2009年

7 古華茂;描述邏輯概念可滿足性推理研究[D];浙江大學(xué);2009年

8 方流;描述邏輯推理優(yōu)化技術(shù)研究[D];浙江大學(xué);2008年

9 王海龍;支持模糊數(shù)據(jù)類型表示的模糊描述邏輯研究[D];東北大學(xué);2009年

10 唐素勤;面向語(yǔ)義Web的描述邏輯本體構(gòu)建[D];中南大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 張娜;基于DL-Lite的動(dòng)態(tài)描述邏輯研究[D];桂林電子科技大學(xué);2015年

2 李瑩;基于描述邏輯的教育突發(fā)事件語(yǔ)義描述及知識(shí)推理方法研究[D];云南師范大學(xué);2015年

3 于云;基于本體和描述邏輯的交通事件語(yǔ)義表現(xiàn)方法研究[D];山東理工大學(xué);2015年

4 唐英英;基于擴(kuò)展描述邏輯的事件實(shí)例推理研究[D];上海大學(xué);2014年

5 文斌;基于描述邏輯的語(yǔ)義Web知識(shí)推理研究[D];云南師范大學(xué);2005年

6 甘曉麗;基于描述邏輯的概念建模研究[D];廣西師范大學(xué);2006年

7 領(lǐng)吉;描述邏輯與規(guī)則整合研究[D];吉林大學(xué);2010年

8 李國(guó)媛;模糊描述邏輯擴(kuò)展模糊軟集的研究[D];東北師范大學(xué);2012年

9 張瑞霞;基于描述邏輯的定性空間推理研究[D];重慶大學(xué);2010年

10 袁佳樂(lè);描述邏輯歸結(jié)推理的研究[D];華東交通大學(xué);2009年

，

本文編號(hào)：2382741