山东大学学报(工学版) 2010, 40(2) 19-23 DOI:     ISSN: 0412-1961 CN: 21-1139

本期目录 | 下期目录 | 过刊浏览 | 高级检索                                                            [打印本页]   [关闭]
机器学习与数据挖掘
扩展功能
本文信息
Supporting info
PDF(1000KB)
参考文献[PDF]
参考文献
服务与反馈
把本文推荐给朋友
加入我的书架
加入引用管理器
引用本文
Email Alert
文章反馈
浏览反馈信息
本文关键词相关文章
群体目标检测
有限时间李亚普诺夫指数
轮廓提取
本文作者相关文章
PubMed
基于混沌动力学模型的群体目标检测与分类
乔伟1,王汇源1,2,吴晓娟1,刘鹏威1
1. 山东大学信息科学与工程学院, 山东 济南 250100;
2. 阿维罗大学电子与电信研究所, 葡萄牙 阿维罗 3810-193
摘要

传统目标跟踪检测方法对多目标情况处理已较为困难,对群体目标监测和跟踪更是难以解决的问题。因此考虑在拉格朗日混沌动力学基础上实现对视频群体流的分割以及相关检测。把群体运动系统作为混沌动力学系统处理,而群体目标则作为流动的粒子群处理,粒子的流动以流图(flow map, FM)进行跟踪。在此基础上可以获得有限时间李亚普诺夫指数(finite time Lyapunov exponent, FTLE)场,形态学处理后,对群体流动区域进行提取并对结果分类。实验结果验证了该方法的有效性。

关键词群体目标检测   有限时间李亚普诺夫指数   轮廓提取  
Crowd object detection and classification based on a chaotic dynamic model
QIAO Wei1, WANG Hui-yuan1,2, WU Xiao-juan1, LIU Peng-wei1
1. School of Information Science and Engineering, Shandong University, Jinan 250100, China;
2. IEETA, Universidade de Aveiro, Aveiro, 3810-193, Portugal
Abstract:

Multi-object detection and tracking is an arduous task for traditional methods, and  objects in crowds are more difficult to deal with. In this paper,segmentation and detection to video crowd flow was realized by a chaotic dynamics based method. The crowd moving system was treated as a chaotic dynamic system, and object in  crowds were treated as particles, whose flow is tracked by flow map. As a result, the finite time Lyapunov exponent (FTLE) field was obtained. After morphological processing, region extraction and classification can be achieved. Experimental results indicate the effectiveness of the proposed approach.

Keywords:  crowd object detection   finite time Lyapunov exponent   contour extraction  
收稿日期 2009-03-18 修回日期  网络版发布日期  
DOI:
基金项目:

国家自然科学基金资助项目(60675024)

通讯作者:
作者简介: 乔伟(1984-),男,山东德州人,硕士研究生,主要研究方向为图像处理、视觉跟踪. E-mail: dlanglang@yahoo.cn
作者Email:
PDF Preview


参考文献:
本刊中的类似文章

Copyright by 山东大学学报(工学版)