摘要：轨迹数据驱动的行人行为分析建模在公共场合异常事件监测、人车冲突风险评估等方面具有重要意义,广布的交通视频监控是行人群轨迹数据的重要来源。行人轨迹具有趋势性和规律性,提取的原始轨迹信息冗余较大,且密集行人群频繁遮挡,不同行人轨迹易发生误匹配,导致数据失真。针对以上问题,根据行人轨迹的局部结构特征和数值特性,设计一种改进的两阶段自适应滑窗轨迹压缩算法ATSSW(Adaptive Two Stage Sliding Window)和基于轨迹局部转向角的误匹配识别和分割方法ABTDS(Angle-based Trajectory Detection and Segmentation),清洗和压缩行人轨迹数据。首先,ATSSW算法考虑轨迹各坐标分量的数值分布特征,将提取到的所有原始轨迹分为漂移和非漂移2类,采取不同的策略分别压缩2类轨迹;然后,ABTDS算法分析压缩后的轨迹局部转角特征,辨识误匹配轨迹样本;最后,ABTDS算法分割误匹配样本,并用分割后的轨迹更新原始轨迹数据集。研究结果表明:ATSSW算法压缩了653条原始行人轨迹,总压缩信息损失1 002.04,总平均轨迹压缩率为6.07%,总平均轨迹压缩保留率为95.35%;原始轨迹集中存在126条误匹配轨迹,ABTDS算法辨识并成功分割了其中的107条,检出率为84.92%;所提算法抑制了原始行人轨迹中漂移点和误匹配现象所致的干扰,减少了原始轨迹数据噪声,可提高轨迹数据驱动的行人行为建模精确度;适当压缩原始轨迹,可减轻轨迹数据存储处理的负担。

摘要：针对基于视频监控的密集行人群识别难度大,运动轨迹提取困难,运动语义信息挖掘不足等问题,本文提出基于多目标跟踪FairMOT框架及K-means聚类的行人轨迹捕获和运动语义信息感知方法。首先,利用多目标跟踪算法提取视频中行人群目标过街时的运动轨迹特征向量;然后,通过分析轨迹坐标的数值分布特点,设计了一种协方差滤波算法STCCF,以检测和剔除“准静态轨迹”,得到行人群目标运动轨迹簇;最后,针对已提取的轨迹簇,应用K-means聚类方法,选取S系数(Silhouette Coefficient)和DB指数(Davies Bouldin Index)两个指标,感知行人聚集和消散点等场景语义特征。实验分析表明,算法从提取到的2689条轨迹中辨识出179条“准静态轨迹”,检出率为81.73%;视频场景中的行人目标源点和消失点的解析结果与人工辨识结果吻合,验证了密集行人群轨迹提取和运动语义信息感知方法的有效性。本文研究可为数据驱动的行为预测和轨迹建模提供基础。

摘要：通过液相法制备Bi2Te3纳米管,设计并优化了Co离子的掺磁方案。通过扫描电镜、透射电镜、X射线衍射、红外光谱和能量色散X射线光谱对制备的样品进行了结构表征。实验结果表明,液相法可制备出晶相良好的Bi2Te3纳米管、Co离子均匀掺杂的Bi2Te3纳米结构样品。