您当前位置:深圳微智科技有限公司>公司新闻, 焦点关注> 用于事件识别的行为模式学习的自组织神经网络算法
用于事件识别的行为模式学习的自组织神经网络算法
发布时间: 2016-08-01      大小:  16px  14px  12px

用于事件识别的行为模式学习的自组织神经网络方法,通过对日标运动轨迹和日标特征的学习建立行为分布模式, 它不仅能实现异常现象的检测和检测异常发生区域, 还能进行目标行为的预测 。 其特点是:
● 使用了一种以整条轨迹作为输入的网络映射方法, 克服了现有的网络映射方法不能完整地表示“线”特征的缺点;
● 使目标特征更加合理地表示在样本数据中;
● 采用了行为模式学习的模糊自组织神经学习算法, 大大地提高了行为模式的学习速度;
●给出了利用行为模式判断整条轨迹所代表的事件是否异常、检测出局部的异常区域和目标行为预测的数学方法。
在接收摄像机拍录的图像序列时,根据事先已经确定的摄像机模型和车辆模型实现基子三维线框模型的车辆实时跟踪, 这时输出的是车辆的轨迹。 在积累了足够多的车辆轨迹后, 就可以开始行为模式学月 , 它从大量的车辆轨迹中, 通过模糊自组织神经网络的方法学习出车辆的行为模式分布。交通事故预测部分接收跟踪部分的实时跟踪结果,井且把它和行为模式分布做比较,由概率模型推断出当前事故发生的可能性,最后由此可能性序列的分析,给出对于此事故的处理方式。