基于SVM的群体异常行为识别方法研究正文_第1页
基于SVM的群体异常行为识别方法研究正文_第2页
基于SVM的群体异常行为识别方法研究正文_第3页
基于SVM的群体异常行为识别方法研究正文_第4页
基于SVM的群体异常行为识别方法研究正文_第5页
已阅读5页,还剩18页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1. 绪论1.1研数1.2国内外研究1850E.J.MareyandE.Muybridge197DefenseAdvancedResearhProjectsAgencyVSM(iualurilncendMoitrng)Microsoft3D机将基为。Mehran像中用ForceModel)描Bag-of-wordsShandongWi,s和 并用HMMMahadevan等人用MDTRminern⑴T的Plinder()CMU的VSAM1997DARPA(DefenseAdevancedResearchProjectsAgeMellonUny(MassachuettsIntiuteofgVSM(VisulSureilnceandMontrig),(3)Harilaoglu的W4Haritaolu等人开发了WWhat,Where,When,Wh)系统。是一个 WofReading)已经开展了对车辆和行人交BM与Microsoft应,中交,与语1.3论文的主要提点的SM的SMSVM并对SVMSVMSVM的述SMNEM EMSM频对SVMS2.视频底运动特的提取聚类建模1 2.2和Gabor本和aborDoll Dolr和GaborGrGaborR=gh)(Igh) 22 (-)其,为流图,一维Gaborevt; 二-os(2“:tJe》/'odt;仝严一sin2t‘e

(-)-4•。r 2-1据Dolr Dolr图2-1根据Dollr法同走行取空点图F1sgor2.点述 空2.时空r特征HarHar YanKeHar Har图-2图2-2三种时空r征6lilms方法使用空r的,BoasBoasXinyiCuiLx,LLt,Lt,Lxt,Lxy丄xy7种时空ar如图2-3Fig.2-3Seventypesofspatial-temporalHaarfeature为建时空arM*M*N算的Har一个7维Lx,LtLt,LxtLxyLt 7描符量D为:D=[二L,二Ly,Lt二Lt,x,Lxt] (-)D为7Haar DDi=Di/i其m(Djn(D,=1,2…。2.4合型原理 X 中最集X的可i k{iZiZ1,lllZiG)Tik「1X在第k类i ki k一有p(Zik=1B)=兀k此Zi多乙~M(二1二G),(i=1,…k集X-Xi•X标签集ZX中为r数集X中观察数据率t林以|殆包Xj=6^小区必)

(1Gwn),(1^k兰G)(24Z叭(i|处 (j此得型的是每察最验所。5型 p由GXlm”,量j是p的⑴(j|&k)表属于第knZL(川x)=口G kk(|) 2-)nZ其中■:第k二k-0]5。GkT若k(ik))混的G是G阵k数k(x为:1pXi'k ( 'k

:(x-%) (2-6)二)GGG()所示:7px日)=送兀kkXik) (二k7图24P图2-4斯混模示意图Fnrelm

k—匸k, 'kk=2聚值J阵k决Banfeld和aftery等人提出了分解k为[]a kkkT。2.6EM算法的含义及原理EM丫作Z,据X=的参为于丫p(Z关布)虑对Z的EM即和M。E步ExpectationStep)为M步(MaximumLikelihoodStep27的集中据集, 在Z,川,M?中M有可nL(8|x,Z)p|8=np(Xz) Zzn) (-)nE(©X,))二(,ZRfZ)Z(-)数迭由和ME-step:弓I数Q=E(logL(,X,Z))=ZlogL(rX,Z)f((J))dZ的,并是(叫X,的

(-0)Q(0i」日M-tp:得0(门):丁—)EM (-1)(MM),乙整数J|则riik=ttogriik=

x为(2-2)设二m与G类量Xi给的zGzGkfk(Xi。kk1nGL,=肌兀kk(] (-3)i=1nG EM在E和M-step之间进行迭代。在E-tep量x望;在-step中据E-step获估M=Zp(kX,$)i丄1tNk kN1_丄^■k_t—%1zt1k=仝1z

tN(2-4)P(kXj,0)tNN t tiXiP(k,G>)(Xi-巴XiN t tit:kkZ((aPXQ ~°j/jPt:kkZ(E步件。2.8 Har文详细阐述了用 ar的EM3.SVM的基本原理概述31机SV理论支ecorMae,M)⑷是近年域S 在然 3.1.1统(lgy)是Vapnk等在2070在0纪 在I(X,,(Xj,■…,(X,I)(-1,,目的组函数 {f(X,W)中求出一个最优函数)R(W)=L(y,f(X,W))dF(X,y)最小。3.1.2VCVC维(VCDimension)概念,它描函数或(Capacityofthemachine)来说VC 的V为n集n的点集(m>r)条

VC是贝U VC3.1.3 统从c意€l(I少Ra-Rempa? (3-1)(3-)Remp险数h的维当hl hl小高) (C目R(a的参量个R和⑴fx)制a⑵C维hh结立h择制V维ha)}0二S?二S,S(33其中s—a・Ik有SSk结构S中素k的维h 且hj_h2k一hi2<h3...j,…,,结构SK中择数ak)来3支量器((X1,),Xi),-,(X,其中•Rn,•(-1,1面 )参数b.mi 3-)将w图图3.最优割超平面Fiosnionhypa该约束将w为面的距数yyi[w*x)_1,,l (3-5)点x到超平面)的距离db;)是dw)」|

(3-)最 (,到大(3-)12(w^-||w||可

(3-)b无关。改变b面在3-)据LagrangeL2

||『一、{[(*w)b1} (3-)其,ai是Lagrangebai化.据emWmmnL(w,b,a)} (3-0)相对于使L l ai=:L:w

i=10所以 a#=argmina2ijaajj(xi*\lai i=ia#Iw=ajXj0Ii-1(3-1)laiX [rs] (3-2)i4l其中Xr,Xsnf*i(Xi (3-3)n2rs图注的点心不支量练点(2) SM.. (eaueSpae),在 SM1.对:l根据最优解a*,T算w八,ajXj择a量ajil算b=yj-v%量a于ai不称ai"■a .«=»Q Q ®

~.*jLAOisx、J、

•—J-

■■ 0 U图3-3支持向量 Fsuvectrs图被定点持量。1. 1 nmin(w) (ww)C;i,2 im[(w,xjb]-1i0

(i=1,2, ,n (3.1)3-4 4den3-4 2. 二是V.Vapik弓I间Mercer数iXi)c]q到q径核RBk(x,xi)=exp{-|l} 2Sigmoindk,X)Xi)c)引积都:n1n2minQ(a^-Zaja」y:y」(XiXj)-送2i,jai-0,

nQ,7n(3-5)n'iai二0i4nf(x)二

nsgn「a*yiK(i,x)i4

b* (3-6)据足a任意选一支持量X的bn*KXn(3-7)a^C 其式()的VM选;Lagrange算子;(3) MRR,把本,映高维特征间F (xJ・(Xj),如果能够寻找一个核函数k(,使得k(Xj)=(X) 并数Kiber-chiidt足Mercer

用核函数k(xi,xj)代替最并的3.2 为1或-1)一同输入进行svm为<+1该样本为率CF识别率正数T/总数3.2.1(125为视为2及果分析对读取频信息提取时空征点构描述符聚建生视频向量视描向输入Sm)训练*—训练结束图3-5练图5 别束图3图Fig.3-6proceedureofpredicting3.本图像进行svm4.SVM将的MS行于80%则SVM数TN5.利用SVMt利的S要机SVMSVM用用为的,用的SVM3.3SVMSVM用S模的E输为+4.实验数据以及结果4142的和为2,内(2) 0.517810.045800.012400.0330780.059630.008630.008460.0517810.435800.016400.033780.0059630.078630.009460.514860.035140.008550.0324480.063430.004160.008980.0514860.315140.002550.032480.0063430.074160.004980.539280.036000.013690.0335420.082700.017180.011560.0539280.326000.011690.033420.0082700.107180.013560.502850.058760.016780.0351730.070280.010880.010210.0502850.548760.012780.035730.0070280.100880.018210.538390.031800.011350.0349200.077450.006870.010890.0538390.341800.018350.034200.0077450.096870.018890.566060.035070.01

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论