發(fā)布時(shí)間：2018-01-13 00:07

  本文關(guān)鍵詞：基于自組織神經(jīng)網(wǎng)絡(luò)的目標(biāo)軌跡分析研究　出處：《昆明理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 運(yùn)動(dòng)目標(biāo)軌跡 灰色預(yù)測(cè) 流形向量場(chǎng) 自組織神經(jīng)網(wǎng)絡(luò)

【摘要】：隨著社會(huì)的發(fā)展,以視頻圖像為數(shù)據(jù)基礎(chǔ)的自動(dòng)化視頻軌跡分析在各領(lǐng)域具有重要的研究意義,包括視頻圖像有效信息的提取,數(shù)據(jù)信息的學(xué)習(xí),建立合適的數(shù)據(jù)模型進(jìn)行檢查等。視頻數(shù)據(jù)是物體運(yùn)動(dòng)軌跡的數(shù)據(jù)基礎(chǔ),使用數(shù)字圖像處理的相關(guān)方法,過(guò)濾掉與提取運(yùn)動(dòng)軌跡無(wú)關(guān)的背景圖像,提取出研究需要的相關(guān)物體的運(yùn)動(dòng)軌跡,是進(jìn)行運(yùn)動(dòng)物體軌跡分析的基礎(chǔ)。本文應(yīng)用有效的方法提取軌跡數(shù)據(jù)的主要特征,對(duì)軌跡進(jìn)行聚類研究,通過(guò)聚類結(jié)果分析軌跡的運(yùn)動(dòng)特征。本文首先論文介紹了運(yùn)動(dòng)目標(biāo)軌跡的研究背景和研究現(xiàn)狀,然后介紹了從視頻中提取運(yùn)動(dòng)目標(biāo)軌跡的常用方法,分析了各個(gè)提取方法的優(yōu)點(diǎn)和不足。接下來(lái)對(duì)于軌跡數(shù)據(jù)集中的短軌跡,應(yīng)用改進(jìn)的灰色馬爾科夫預(yù)測(cè)法,補(bǔ)全了軌跡點(diǎn),預(yù)測(cè)了短軌跡未來(lái)時(shí)間段的運(yùn)動(dòng)趨勢(shì)。接下來(lái)介紹了流形學(xué)習(xí)的常用方法,分析了不同方法的適用數(shù)據(jù)集的特征。針對(duì)經(jīng)典的歐式距離度量缺乏對(duì)軌跡特征的描述,不能準(zhǔn)確描述二維軌跡間流形特征的差異,本文將軌跡數(shù)據(jù)映射到向量場(chǎng)中,建立軌跡數(shù)據(jù)的向量場(chǎng),保留了主要特征信息,實(shí)現(xiàn)了軌跡數(shù)據(jù)的可視化表示,將軌跡數(shù)據(jù)的形狀特征直觀的表示出來(lái)。最后,介紹了自組織神經(jīng)網(wǎng)絡(luò)和kmeans聚類。對(duì)大西洋颶風(fēng)軌跡數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù),對(duì)聚類結(jié)果進(jìn)行分析,驗(yàn)證了本文算法的有效性。
[Abstract]:With the development of society, automated video trajectory analysis based on video image has important research significance in various fields, including the extraction of effective information of video image and the learning of data information. The video data is the data base of the moving track of the object. Using the related method of digital image processing, the background image which is independent of extracting the motion track is filtered out. Extraction of the trajectory of related objects is the basis of trajectory analysis. This paper applies an effective method to extract the main features of trajectory data and cluster the trajectory. Firstly, this paper introduces the research background and research status of moving target trajectory, and then introduces the common methods of extracting moving target trajectory from video. The advantages and disadvantages of each extraction method are analyzed. Then for the short trajectory in the track data set, the improved grey Markov prediction method is applied to complement the trajectory points. The movement trend of the short trajectory in the future is predicted. Then the common methods of manifold learning are introduced. The characteristics of the suitable data sets of different methods are analyzed. Because the classical Euclidean distance measurement lacks the description of the trajectory features, it can not accurately describe the difference of the manifold characteristics between the two dimensional trajectories. In this paper, the trajectory data is mapped to the vector field, the vector field of the trajectory data is established, the main characteristic information is retained, and the visual representation of the trajectory data is realized. Finally, self-organizing neural network and kmeans clustering are introduced. The Atlantic hurricane track data as experimental data, clustering results are analyzed. The validity of the proposed algorithm is verified.
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫挺;齊迎春;耿國(guó)華;;基于幀間差分和背景差分的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2016年04期

2 肖軍;朱世鵬;黃杭;謝亞男;;基于光流法的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年06期

3 周洋;方志祥;李清泉;郭善昕;;利用經(jīng)驗(yàn)約束規(guī)則和證據(jù)理論進(jìn)行出租車異常軌跡檢測(cè)[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2016年06期

4 惠飛;葉敏;蔡柳;康科;;基于路口信息的出租車異常軌跡檢測(cè)[J];計(jì)算機(jī)工程與應(yīng)用;2016年15期

5 趙揚(yáng);田國(guó)會(huì);尹建芹;樊建霞;;家庭智能空間下基于HMM的人軌跡分析方法[J];模式識(shí)別與人工智能;2015年06期

6 喬少杰;金琨;韓楠;唐常杰;格桑多吉;Louis Alberto GUTIERREZ;;一種基于高斯混合模型的軌跡預(yù)測(cè)算法[J];軟件學(xué)報(bào);2015年05期

7 任艷青;方灶軍;徐德;譚民;;基于模糊神經(jīng)網(wǎng)絡(luò)的乒乓球旋轉(zhuǎn)飛行軌跡模式分類[J];控制與決策;2014年02期

8 王蒙;戴亞平;;基于FAST角點(diǎn)檢測(cè)的局部魯棒特征[J];北京理工大學(xué)學(xué)報(bào);2013年10期

9 柯宏發(fā);何可;陳永光;;運(yùn)動(dòng)目標(biāo)的MGM(1,N)軌跡預(yù)測(cè)算法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2012年06期

10 劉坤;楊杰;;基于編輯距離的軌跡相似性度量[J];上海交通大學(xué)學(xué)報(bào);2009年11期

相關(guān)博士學(xué)位論文 前1條

1 雷迎科;流形學(xué)習(xí)算法及其應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前1條

1 齊志;基于SOM神經(jīng)網(wǎng)絡(luò)的聚類可視化方法研究[D];東北師范大學(xué);2009年

，

本文編號(hào)：1416579