GIS中空间目标的表达方法探讨

首先分析和总结了不确定空间目标表达的一些主要研究成果和方法，建立了场模型下的统一表达，继而，基于可拓工程方法探讨了动态空间目标的表达，并详细阐述了动态集合的概念和定义。     

用于空间目标表达的智能化判决方法

面对海量的空间目标,用户在感知空间态势过程中,需要解决"哪些空间目标需要表达出来,表达出来的目标中哪些需要重点表达"的问题。手工设置可以一定程度上满足需求,但是其过程复杂、繁琐。因此引入人工智能领域的智能代理和人工神经元网络来解决空间目标表达问题,分别将其应用于空间目标表达内容辅助筛选及重点目标确定上,共同完成空间目标的表达;并进行了实验验证。实验结果表明:Agent与神经网络结合可有效解决空间目标表达问题,并且具有一定的智能性。     

动态多目标TSP中动态程度和目标冲突程度的度量

对动态多目标TSP的动态程度和目标冲突程度的度量问题进行了研究,首次给出了问题的动态程度和目标冲突程度的度量方法.根据这些方法,可计算出动态多目标TSP问题状态的变化程度和目标之间的冲突程度.它们对动态多目标TSP的算法设计具有重要的指导意义.     

多视角监控视频中动态目标的时空信息提取方法

监控视频中动态目标的精准定位与跟踪作为计算机视觉领域中重要的研究方向,近年来已成为监控领域的研究热点。传统视频动态目标检测仅依赖图像特征数据,忽略了与地理坐标系精准匹配,特别是对于多个摄像机覆盖的区域,拍摄的角度不同,投影后形成的图像空间分辨率也不同,因此,难以满足智能监控在复杂的地理场景中全方位时空信息感知。本文提出一种多摄像头协同的视频监控图像与地理空间数据互映射模型构建方法来获取动态目标的轮廓和地理位置等时空信息,首先建立监控图像信息与地理空间数据的互映射关系,将观测角度不同、尺度不同和空间分辨率的监控图像置于同一坐标系下,并在此基础上通过融合Canny算子与背景减法来检测目标的边缘信息;然后采用质心偏移算法还原目标在该场景的实际位置,从而实现多角度下连续跟踪,提升地理场景的时空理解力和分析力,提高动态目标的精准定位与跟踪能力。     

多时相统计数据空间动态可视化模型研究

阐述了统计数据的时空特性,扩展了动态空间可视化的动态视觉参量,设计了3种用于多时相统计信息动态空间可视化的"动态统计图表"。采用时间地图动画技术及关键帧插值动画技术来设计与构建动态统计图表,并将此方法应用于相应系统,实现了统计数据随时间变化动态特性的可视化表达。     

监控视频中动态目标与地理空间信息的融合与可视化方法

监控视频的动态前景目标智能分析是平安城市、智慧园区等安防建设的重要基础,将监控视频与地理空间数据融合可为静态的地理数据赋予动态属性。针对传统监控视频与地理信息数据集成仅仅将视频数据投射至地理空间,造成存储难、视频内容理解难度大等问题,本文提出了前景动态目标与地理空间信息的融合模型,通过推导出的映射模型将图像空间中的动态前景目标及跟踪轨迹映射至地理空间中,达到将监控视频与地理信息有机融合的目的。根据不同的应用需求,本文设计了4种多图层融合显示模式,实现了监控视频中的动态前景目标在地理空间的可视化。     

监控视频动态目标的空间定位方法北大核心CSCD

针对监控视频动态目标的空间定位问题,本文在考虑相机畸变的前提下,对监控相机、目标像素坐标和地理场景之间的映射关系进行了研究,提出了基于数字表面模型(DSM)和基于平面约束的目标定位算法。首先,完成相机的标定,确定相机的成像模型;然后,提取畸变校正后的目标像素坐标,并通过目标定位算法计算目标的三维地理坐标;最后,进行了定位精度评定,并分析了两种定位算法的应用特点。本文的定位算法将以像素坐标定位的目标数据解析为以三维坐标定位的空间地理信息,为多摄像头的目标跟踪提供了统一的地理参考框架。     

一种室内无标志动态目标视觉定位方法

提出了一种室内无标志动态目标的视觉定位方式,采用卡尔曼滤波估计动态目标图像坐标,并利用分区定位方式对多相机视场内的动态目标进行定位,根据观测到动态目标的相机数目将多相机视场范围区域划分为单目区域、双目区域和多目区域,对不同的区域采用不同的定位方式。仿真和真实实验表明,本文算法可以达到10 cm左右的定位精度,运行效率可以达到50 ms/帧。提出的无标志动态目标定位方法具有更高的鲁棒性,基本可以满足实时性要求且定位精度较高。     

基于变化映射的时空数据动态操作

在分析地理空间实体变化及其与信息空间对象标识状态变化间关系的基础上, 设计了一套将地理空间实体变化映射到其信息空间对象标识状态变化的时空数据动态操作(包括12个动态操作)。这些动态操作包括了以前TGIS学者针对单个实体(对象)设计的所有动态操作, 并且通过其组合能够表达涉及多个地理空间实体的各种演变操作。最后在Oracle Spatial平台上, 用VC++实现了这套动态操作, 并以一个应用实例说明了这套动态操作在空间数据更新中的使用方法。这套时空数据动态操作的提出与实现为时空数据库的更新与维护奠定了基础     

动态卷积YOLOv5的视频火焰检测算法

针对传统火灾检测系统容易受地理空间的影响，且现有的深度学习方法对动态火灾的检测能力较弱等问题，该文提出了一种动态卷积YOLOv5视频火焰多尺度目标检测算法。采用K-means++算法优化了anchor box聚类，降低了分类结果的误差。基于动态卷积思想，采用剪枝方法对YOLOv5 Neck和Head的网络头进行了剪枝，降低了模型大小，实现了视频火灾的动态实时准确检测。基于不同火灾监控视频的实验结果表明，该文方法不仅可以有效地对地面监控视频中的火灾点进行检测，还能够对无人机上监控视频中的火灾点进行检测。研究结果可以应用于基于视频的不同场景的火灾检测，从而达到对现有火灾检测系统补充的作用。