-
题名面向城市应急事件管理的监控视频智能解析
被引量：3
- 1
-
-
作者
李心雨
蒋祖华
单春艳
刘超
何楚楚
-
机构
上海交通大学机械与动力工程学院
上海仪电(集团)有限公司中央研究院
-
出处
《计算机工程与应用》
CSCD
北大核心
2017年第24期154-160,共7页
-
基金
国家自然科学基金(No.70971085
No.71271133)
上海市经信委产学研项目(No.沪CXY-2015-006)
-
文摘
随着城市现代化进程的不断加速,建立高效、完善的城市应急事件管理系统迫在眉睫。遍布城市各处的监控摄像头拍摄的监控视频是城市应急事件管理系统重要的数据来源,但在现阶段主要依赖人工识别,费时费力且效果不佳。提出一种面向城市应急管理的监控视频智能解析方法,利用计算机视觉库获取视频中监控对象的数量和位置,生成其运动轨迹并匹配预设的异常运动模板,从而构建应急事件的规范化情境模型用以分析和预警。以某大学校园开放区域和某高新科技园区的监控视频为例,验证了所提出方法的可行性和合理性。
-
关键词
城市应急事件
监控视频
智能解析
事件情境模型
-
Keywords
urban emergency
surveillance video
intelligent analyzing
event context model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名中国决策情境下的多源流模型及其优化研究
被引量：58
- 2
-
-
作者
文宏
崔铁
-
机构
兰州大学
-
出处
《电子科技大学学报（社科版）》
2014年第5期12-19,共8页
-
基金
国家自然科学基金重点项目"政府职能转变背景下绩效管理研究"(71433005)
国家自然科学基金面上项目"基于公共价值的政府绩效结构
生成机制及中国情境下的实证研究"(71373107)
-
文摘
作为当今公共政策研究领域最炙手可热的理论模型之一,约翰·金登的多源流分析理论业已得到国内外学者的广泛应用与认可。在对该模型的相关内容进行简单铺陈后,通过辨析国内外不同的政策主体参与逻辑,进一步厘清了我国公共决策的独有特征。研究重点是在整合提炼西方既有修正思路的基础上,沿袭模型的模糊性假设,结合我国具体实践案例,对多源流模型进行优化与补充。研究表明,中国决策情境下的多源流模型优化主要有提高源流间的融合性、政治源流的核心化、焦点事件的独立化以及特殊情况下的临时决策等四种路径,四种优化与补充路径的有机结合将为进一步提升模型适用性提供帮助。
-
关键词
多源流模型
中国情境
优化补充
焦点事件
-
Keywords
Multiple streams model
Chinese context
optimization
focusing events
-
分类号
D035
[政治法律—政治学]
-
-
题名事件域认知模型(ECM)视角下的语篇连贯
被引量：4
- 3
-
-
作者
熊维俊
-
机构
重庆三峡学院外国语学院
-
出处
《湖南科技学院学报》
2010年第2期179-181,共3页
-
文摘
事件域认知型(ECM)是在批判继承认知语言学家Langacker,Talmy,Lakoff,Panther&Thornberg以及计算机科学家Schank&Abelson分别提出的解释概念结构和句法结构的理论框架的基础形成的。该理论弥补了以前理论的不足:重视事件内部要素的层级性;兼顾了静态分析和动态分析;既分析句法构造的形成,也试图扩展到解释语言的其它层面。文章以事件域模型为理论框架分析语篇连贯现象。
-
关键词
事件域认知模型
层级性
静态分析
动态分析
语篇连贯
-
Keywords
event Cognitive model
hierarchy
static analyses
dynamic analyses
context coherence
-
分类号
G633.41
[文化科学—教育学]
-
-
题名上下文建模与推理的视频异常事件检测
被引量：1
- 4
-
-
作者
孙澈
武玉伟
贾云得
-
机构
北京理工大学计算机学院智能信息技术北京市重点实验室
深圳北理莫斯科大学广东省智能感知与计算重点实验室
-
出处
《计算机学报》
EI
CAS
CSCD
北大核心
2024年第10期2368-2386,共19页
-
基金
深圳市自然科学基金面上项目(JCYJ20230807142703006)
广东省教育厅普通高校重点科研平台和项目(2023ZDZX1034)资助。
-
文摘
视频异常事件检测旨在从视频中自动地检测出不符合正常事件规律的视频事件.视频中许多正常和异常的事件是由目标与场景或其它目标交互而产生的,即它们是以目标为中心且高度上下文相关的.如何从底层的视频特征中提取事件高层语义上下文信息,并根据上下文信息进行视频异常事件检测仍是一个开放的难题.为此,本文提出了一种新的上下文建模与推理的视频异常事件检测方法.本文方法通过建立视频的上下文图,自动地推理事件相关的语义上下文信息,以缩小底层视觉特征与异常事件高层语义之间的差距,实现异常事件检测.具体来说,首先使用了预训练的目标检测网络,提取目标初始的表观特征、目标之间的时空关系特征和场景特征;其次设计了一个上下文图推理模块,通过建模时空上下文图,将提取到的特征显式地建模为三类语义上下文,包括事件目标的个体行为、不同目标之间的时空关系以及目标与场景之间的交互,其中图的节点表示目标/场景,图的边表示时空关系;最后构建了一个异常预测模块,根据推理到的语义上下文信息进行异常事件检测.本文的上下文图推理模块基于平均场理论,通过使用多个带有消息传递模块的循环神经网络,迭代更新图的节点和边的状态,目的是从底层的视觉特征中推理得到高层的语义上下文.本文的异常预测模块包括注意力池化网络层和全连接网络层,通过输入语义上下文信息,计算视频帧的异常分数,从而正确地进行异常事件检测.实验中,设计了一个自训练策略,分别使用了无监督、半监督、弱监督和监督四种训练策略,以端到端的方式训练时空上下文图推理模块和异常预测模块.本文方法在四个公开的数据集上进行了实验,包括三个半监督的数据集Subway (Entrance/Exit)、Avenue和ShanghaiTech,以及一个监督的数据集UCF-Crime.与不使用上下文的方法相比,本文方法在Subway(Entrance/Exit)、Avenue和ShanghaiTech数据集上的无监督AUC指标分别提高了2.7%/3.1%、2.0%和2.9%,半监督AUC指标分别提高了3.5%/3.3%、4.0%和4.3%.在监督数据集UCF-Crime上,与没有使用上下文的方法相比,本文方法在半监督AUC、弱监督AUC和监督AUC的指标上分别提高了2.1%、0.4%和9.2%,取得了有竞争力的表现.
-
关键词
异常事件检测
上下文建模与推理
上下文图
自训练策略
深度学习
-
Keywords
abnormal event detection
context modeling and reasoning
context graph
self-training strategy
deep learning
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于语义标注的室内异常事件检测的研究
- 5
-
-
作者
薛建强
陈志刚
杨蕾
满君丰
-
机构
中南大学信息科学与工程学院
-
出处
《电脑与信息技术》
2008年第3期49-52,共4页
-
文摘
为解决办公室内常用电器设备在多交叉事件情况下发生的异常的检测问题,我们利用联合传感器(MMJS)采集现场设备活动的数据信息,利用多媒体本体(MMO)作为由MMJS处理得到的数据信息和程序共享的知识描述载体,基于语义标注的信息上下文线索,提出了一个实时发现室内办公设备异常的多交叉事件模型。实验证实该方法对室内设备的异常事件检测具有很好的性能,模型具有可扩展性。
-
关键词
环境上下文
多交叉事件模型
语义标注
-
Keywords
environment context
multi-interleaving event model
semantic annotation
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于依存感知建模的事件论元抽取方法研究
- 6
-
-
作者
陈新元
廖涛
-
机构
安徽理工大学计算机科学与工程学院
-
出处
《无线互联科技》
2022年第13期153-155,共3页
-
基金
国家自然科学基金面上项目,项目编号:62076006
安徽省高校优秀青年人才支持计划项目,项目编号:gxyq2017007
安徽省高等学校自然研究重点项目,项目编号:KJ2016A202。
-
文摘
事件论元抽取任务的目标是识别事件中的论元和论元角色。中文由于其独特的表达习惯,存在句法结构较为松散的问题,导致事件的隐层语义关系不易被捕捉,而这些隐层语义关系对事件论元抽取有关键作用。文章提出一种基于依存感知建模的事件论元抽取方法。首先,通过依存感知建模捕获依存感知特征;然后,构建上下文语义增强向量经过序列编码后得到上下文语义增强特征;最后,采用多头注意力机制融合特征,并通过softmax函数进行分类。在CEC2.0中文语料库上的实验结果表明,该方法较好地提高了事件论元抽取性能。
-
关键词
事件论元抽取
依存感知建模
上下文语义增强
多头注意力机制
-
Keywords
event argument extraction
dependency perception modeling
context semantic enhancement
multiple attention mechanism
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
