基于三维视频融合的隧道运营管理创新应用研究

针对目前隧道数字化运营管理中存在的视频碎片化、视频与业务数据分离、缺乏二三维联动响应手段等问题，提出一种基于三维视频融合的隧道运营管理创新应用方法。1）对隧道运营过程中视频监控的应用现状与需求进行分析，为三维视频融合技术应用与创新实践提供方向； 2）利用BIM与点云重建技术构建隧道场景三维模型，形成隧道虚实融合的静态模型基础； 3）提出一种隧道监控视频三维注册与虚实融合绘制方法，将多路视频实时融合到三维隧道场景模型中； 4）在融合后的三维场景中汇聚融合多源物联传感数据，形成与真实隧道交通运行场景基本一致的数字孪生场景； 5）基于视频融合场景开展二三维联动的隧道保畅、事故救援、设施管理、应急响应等运营管理应用实践。示范应用结果表明，该方法有助于实现更加实时、高效、智能的隧道管理与服务。     

基于云平台的铁路视频系统及安全技术研究

云技术的广泛应用是信息技术发展的新趋势,铁路视频监控系统无论从存储的可扩展性、安全性还是从集中管理、大数据收集的角度,都需要云技术的有力支撑,云技术的应用也会带来新的安全问题,如云数据安全风险、虚拟化安全风险、非法访问风险等。简要分析铁路视频监控系统面临的安全问题和相应的安全技术方案。     

客运枢纽"人群迷路区"的快速识别与优化 ——以北京南站为例

为缓解大型客运枢纽因诱导服务不到位而产生的人流拥堵问题，采用室内WiFi 定位技术和Mysql获取行人交通流分布热力图，通过百度地图坐标拾取系统识别人流聚集区的具体位置。通过定义迷路人群的交通特征参数，提出“人群迷路区”概念；应用视频识别追踪技术，分析行人速度与加速度的方差，于人流密集区运用视频识别技术寻找“人群迷路区”。最后以北京南站为例进行实地调研，利用调研数据识别北京南站的“人群迷路区”。基于人群速度与加速度方差，“人群迷路区”被分为四类：单纯人流聚集区、因标识不足而产生的人群迷路区、因标识过于复杂而产生的人群迷路区、因商业设施或障碍物遮挡而产生的人群迷路区。同时提出加大商业活动监管力度、简化部分引导标识、增加其他交通方式换乘区域标识等优化方法，可使人群行进效率提高约25%。     

自行车流视频识别判断方法研究

考虑算法的实时性,交通流个体识别往往采用轮廓特征来描述。由于自行车与行人的很多轮廓特征值相近,在复杂城市交通环境中,从慢行交通流中准确地识别出自行车是目前采用视频检测交通流的难点之一。通过现场视频检测获取足够的样本外轮廓数据,分析检测目标轮廓的高、宽、高宽比、面积等典型轮廓特征,发现目标轮廓高宽比特征能较好地识别出行人、自行车等慢行交通,并给出合适的取值范围。研究表明自行车高宽比能够较好地成为视频识别的依据,为自行车视频识别提供数据。     

视频监控智能识别的关键技术研究*

随着视频监控需求的迅速增长,人工监视已远不能满足监控的要求,视频监控系统的“智能化”变得越来越迫切。论文研究的核心是从理论层面出发,在视频序列中检测、跟踪人体,获取人体运动数据,描述和理解人体运动。     

数字视频监控系统在城市交通管理中的应用

介绍了数字视频监控系统的概念以及在城市交通管理中的应用现状,针对北京市现有交通电视监控的现状和今后奥运交通监控的建设要求,提出适合北京市交通管理的数字视频监控系统方案。介绍了系统的设计原理、系统结构和关键技术,建议在多个分中心实行分布式数字化压缩和图像存储,并详细说明交通管理中数字视频监控系统的功能,为今后视频监控系统的建设提供一个可行性应用方案。     

xPON技术在铁路视频监控系统的应用前景简

xPON作为新一代光纤接入技术,在抗干扰性、带宽特性、接入距离、维护管理等方面均具有巨大优势,将成为一种主流宽带接入技术,并在铁路视频监控系统中有很广阔的应用前景.     

Using automated walking gait analysis for the identification of pedestrian attributes

Collecting microscopic pedestrian behavior and characteristics data is important for optimizing the design of pedestrian facilities for safety, efficiency, and comfortability. This paper provides a framework for the automated classification of pedestrian attributes such as age and gender based on information extracted from their walking gait behavior. The framework extends earlier work on the automated analysis of gait parameters to include analysis of the gait acceleration data which can enable the quantification of the variability, rhythmic pattern and stability of pedestrian’s gait. In this framework, computer vision techniques are used for the automatic detection and tracking of pedestrians in an open environment resulting in pedestrian trajectories and the speed and acceleration dynamic profiles. A collection of gait features are then derived from those dynamic profiles and used for the classification of pedestrian attributes. The gait features include conventional gait parameters such as gait length and frequency and dynamic parameters related to gait variations and stability measures. Two different techniques are used for the classification: a supervised k-Nearest Neighbors (k-NN) algorithm and a newly developed semi-supervised spectral clustering. The classification framework is demonstrated with two case studies from Vancouver, British Columbia and Oakland, California. The results show the superiority of features sets including gait variations and stability measures over features relying only on conventional gait parameters. For gender, correct classification rates (CCR) of 80% and 94% were achieved for the Vancouver and Oakland case studies, respectively. The classification accuracy for gender was higher in the Oakland case which only considered pedestrians walking alone. Pedestrian age classification resulted in a CCR of 90% for the Oakland case study.     

着陆阶段航空器航迹检测与风险识别方法

进近着陆是整个飞行过程中最易发生危险的阶段.目前着陆阶段的风险识别 只能依靠塔台管制员的目视观察.在飞行员技术不熟练、起降频繁的通用航空飞行训练 中,目视观察很难准确掌握情况,也因此蕴含了巨大的安全风险.利用视频监视航空器着 陆行为,同时提出了一种适合复杂背景下小目标分割算法,从视频中提取航空器着陆航 迹;并以此为基础进一步识别降落过程中的运行风险.通过对多组不同角度的视频监视数 据验证,该算法可在复杂背景下实现航空器着陆航迹的跟踪、落地时刻的判断及危险滑 行航迹的准确识别,对于保障飞行安全具有重要的现实意义.