《監控視頻數據中知識發現方法研究》是依託江蘇理工學院，由葉飛躍擔任項目負責人的面上項目。
基本介紹
- 中文名：監控視頻數據中知識發現方法研究
- 項目類別：面上項目
- 項目負責人：葉飛躍
- 依託單位：江蘇理工學院
項目摘要,結題摘要,
項目摘要
監控視頻數據中的知識發現對於公共安全、交通管理等方面具有重要意義，然而，監控視頻具有數據量大、價值密度低的大數據特徵，加上多點監控視頻數據具有時空屬性，因此，監控視頻數據知識發現中的一些關鍵問題亟待解決。本課題將在監控視頻數據中的時空頻繁模式、時空關聯規則、近似時空依賴關係發現方法上有所創新，並形成監控視頻信息提取與數據挖掘算法作為有機整體考慮的研究特色。研究內容主要包括：（1）近似時空依賴挖掘理論和模型、算法研究；（2）時空頻繁模式、時空關聯規則挖掘理論、模型、算法研究；（3）監控視頻數據中高效的人臉檢測方法比較和選擇研究；（4）快速和高精確率的人臉驗證方法比較及改進研究；（5）一種人臉特徵數據編碼分類方法研究；（6）具有時空屬性事件存儲模型和有關事件存儲方法、存儲結構的研究；（7）面向人員出現事件的時空頻繁模式和時空關聯規則挖掘原型系統研發。
結題摘要
監控視頻數據的處理和分析具有一定的複雜性，一方面是因為非結構化，另一方面是數據量巨大且價值密度低。本項目重點開展了以下研究工作：（1）圖像數據的表示研究；（2）監控視頻中的人臉、行人和車輛的識別方法研究；（3）函式依賴的理論、模型和算法及套用研究；（4）頻繁模式模型和算法的研究；（5）群體模式挖掘的理論及算法的研究；（6）監控視頻數據檔案處理方法研究；（7）監控視頻數據分析系統研發和套用研究。取得的成果如下。（1）在數據表示方面提出了無參數自加權多圖正則非負矩陣分解方法（PAMGNMF）、結構化判別概念因式分解方法（SDCF）、基於自適應權重的多圖正則化概念分解（MCFAWs）、多拉普拉斯圖正則化低秩表示（MGLRR）、稀疏概念編碼算法（MGLRR）、以及結構保持稀疏編碼（SPSC）等有效方法。（2）在監控視頻中車輛識別方面提出了 “基於稀疏特徵的監控視頻車輛識別方法”和“一種基於HE識別和LAC圖像的運動車輛檢測與跟蹤新方法”，這改進了車輛識別的效果；在監控視頻中行人識別方面，提出了“一種基於將HOG特徵和LBP特徵相融合的行人檢測方法”，改善了行人檢測的效果；在監控視頻中人臉識別方面，進行了有對比研究，得到了有價值的結論。（3）提出了一種條件差分依賴發現有效方法，並設計了視頻處理日誌中挖掘依賴的算法。（4）提出了一種有效的最大項目集挖掘算法，即FPMAX-direct算法。（5）設計實現了一種能夠挖掘目標群體的挖掘算法。 （6）提出了一種面向人員監控視頻數據檔案快速處理方法。（7）構建了海量監控視頻分析算法平台，並將部分研究成果套用於道路交通監控視頻分析。 本項目研究所提出的方法，對於豐富模式識別、知識發現等方面理論和模型，具有科學的意義，對於監控視頻數據中車輛、人臉等識別研究，將對監控視頻目標圖像的有效識別提取方面有著較高的套用價值；所提出的群體挖掘算法對於從監控視頻數據中挖掘經常出現的人或物，並可通過多層級挖掘，追蹤目標人物的關聯人物，這對於國家安防等方面有著重要的套用價值。
