基于LSTM神经网络的热层大气密度模型校正

目前,主要用经验模型进行热层大气密度建模和预测,但存在较大误差,因此提出一种基于长短期记忆神经网络的热层大气密度模型校正方法,以减少经验模型计算的密度误差。该方法将NRLMSISE-00模型计算的密度、太阳和地磁活动指数作为基础输入,以CHAMP卫星的加速度计密度数据为目标值,获得NRLMSISE-00的模型误差。结果表明,校正后模型的精度显著优于原始模型的精度。     

基于时空立方体的人群异常行为检测与定位

针对视频监控系统中人群异常行为检测准确率低的问题,提出了一种基于时空立方体的人群异常行为检测与定位方法。首先利用光流法计算等间距采样的特征点光流场,然后根据光流场计算特征点的运动速度、方向和方向熵3个特征量,并分别将其统计直方图投影到对应的三维立体空间中,构建描述人群行为的时空立方体特征。同时,将图像分成多个子区域,并计算各子区域的时空立方体特征;设计基于最近邻分类和支持向量机的级联分类器,完成人群异常行为的检测与定位。结果表明,该方法比现有方法能更准确地检测视频中的异常人群。