检索结果

Select

1. 利用局部-全局时间依赖的弱监督视频异常检测

宋鹏程, 郭立君, 张荣

《计算机应用》唯一官方网站 2025, 45 (1): 240-246. DOI: 10.11772/j.issn.1001-9081.2024010104

摘要（237）

HTML （6）

PDF （2773KB）（401）

PDF（mobile）（1260KB）（6）

弱监督视频异常检测（WS-VAD）对智能安防领域具有重要意义。而目前WS-VAD任务面临以下问题：现有方法更关注对视频片段本身的判别，而忽略了片段之间的局部和全局时间依赖性；在损失函数设置上忽略了异常事件的时序结构；异常视频中存在大量正常片段噪声，干扰训练的收敛。因此，提出一种基于局部-全局时间依赖（LGTD）网络的弱监督视频异常检测方法。该方法中，LGTD网络利用多尺度时序特征融合（MTFF）模块捕获不同时间跨度内片段的局部时间相关性；同时，利用多头自注意力（MHSA）模块整合视频内所有片段的信息，从而理解整个视频序列的时间相关性；之后，利用通道注意力挤压-激励（SE）模块优化片段内部的特征权重，从而更准确地捕捉视频片段的时空特征，并显著提升检测性能。此外，进一步改进现有损失函数，即引入互补的K-maxmin包内损失和Top-K包外损失，以提高从异常视频中选取异常片段进行训练优化的概率。实验结果表明，所提方法在UCF-Crime和ShanghaiTech数据集上的平均曲线下面积（AUC）分别达到了83.18%和95.41%，；与协同正态学习（CNL）方法相比，分别提高了0.08和7.21个百分点。可见，所提方法能有效提升检测性能。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于城市交通监控大数据的工作位置推理方法

陈凯, 于彦伟, 赵金东, 宋鹏

计算机应用 2021, 41 (1): 177-184. DOI: 10.11772/j.issn.1001-9081.2020060937

摘要（567）

PDF （1377KB）（621）

基于时空数据的用户位置推理在产品推荐、精确营销、交通调度及城市规划等实际应用中有着重要的作用，然而，基于城市交通监控数据的位置推理问题尚未被探索，因此，提出了一种面向稀疏摄像头交通监控数据的工作位置推理方法。首先，收集了路网、兴趣点（POI）等城市交通外围数据，并通过路网匹配的预处理方式获取到了一个含有摄像头、POI等丰富语义信息的真实路网；其次，通过聚类车辆轨迹中所提取的起点-终点（O-D）对来获得车辆重要的停留区域，即候选工作区域；之后，利用所提的in/out访问时间模式的约束，从多个候选区域中匹配出最大可能的工作区域；最后，利用所获取的路网信息和路网周中POI的分布信息提取出车辆的可达POI集合，从而进一步缩小车主的工作位置范围。在一个省会城市真实的交通监控数据集上的综合实验评估和案例分析验证了所提方法的有效性。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于城市交通大数据的车辆类别挖掘及应用分析

纪丽娜, 陈凯, 于彦伟, 宋鹏, 王淑莹, 王成锐

计算机应用 2019, 39 (5): 1343-1350. DOI: 10.11772/j.issn.1001-9081.2018109310

摘要（835）

PDF （1387KB）（598）

实时城市交通监控已成为现代城市管理的一个重要组成部分，视频监控采集的交通大数据在城市管理和交通控制方面得到了越来越多的应用；然而，全城范围内庞大的监控交通大数据还鲜少用于城市交通及城市计算研究。在一个省会城市全城范围内的监控交通大数据上展开了车辆类别挖掘及应用分析研究。首先，定义了周期性私家车、类出租车和公共通勤车三种对城市交通具有重要影响的车辆类别，将车辆类别定义与频繁序列模式挖掘算法相结合提出了相应的挖掘方法。在济南市一周1704个视频监测点，1.2亿次车辆记录数据上，验证了所提定义及挖掘方法的有效性；其次，以4个居民小区为例挖掘分析了居民出行的交通方式及与周围兴趣点（POI）分布关系，此外，还探索了城市交通大数据与POI相结合在城市规划、需求预测和偏好推荐方面的应用潜能。

参考文献 | 相关文章 | 多维度评价

Select

4. SOA中一种基于负载均衡的服务查找请求路由算法

文俊浩宋鹏飞王静

计算机应用 2010, 30 (06): 1638-1641.

摘要（1482）

PDF （664KB）（976）

服务查找是面向服务架构(SOA)中一个非常重要的环节,但目前的服务查找算法一般并未考虑到服务查找节点间的负载均衡,在请求频繁条件下不能满足查找效率的要求。提出一种分布式的、综合考虑节点处理能力和网络延时、适用于SOA中分布式服务注册中心的服务查找请求路由算法HaFA。该算法利用负载度实现对服务节点计算能力的度量,解决了负载度均衡后任务仍可能分配到弱计算能力节点上的问题,提高了服务注册中心计算资源的利用率;利用节点负载波动率估量下一个离散时间点的负载度,解决了网络延时期间负载波动对实现均衡造成影响的问题。实验结果表明,HaFA在分布式服务查找中能有效提高系统吞吐率,缩短结果响应的平均等待时间。