有效
无轨迹时空统计数据的运动提取方法及野火运动提取方法
夏佳志、谢康
中南大学
摘要
本发明公开了一种无轨迹时空统计数据的运动提取方法,包括获取原始的无轨迹时空统计数据;建立数据的起始帧密度图和终止帧密度图;建立对运动提取过程进行约束的约束图;选择最优传输方法提取运动信息并可视化,得到密度图和矢量场形式,完成无轨迹时空统计数据的运动提取。本发明还提供了一种包括所述无轨迹时空统计数据的运动提取方法的野火运动提取方法。本发明基于创新的算法,能够提取出物理上可行、易于理解且考虑了环境因素和用户领域知识的运动信息;本发明方法能够对无轨迹时空统计数据运动信息进行提取,不仅考虑了环境因素,而且可靠性高、实用性好。
1.一种无轨迹时空统计数据的运动提取方法,其特征在于包括如下步骤:S1.获取原始的无轨迹时空统计数据;S2.根据步骤S1获取的数据,建立数据的起始帧密度图和终止帧密度图;S3.根据用户领域知识和环境上下文信息,建立对运动提取过程进行约束的约束图;具体为根据用户领域知识和环境上下文信息,采用欧氏距离度量方法、基于密度权重的最短路径度量方法或基于自定义权重的最短路径度量方法,计算起始帧和终止帧点对之间的最短路径距离和生成距离矩阵,并将得到的距离矩阵作为对运动提取过程进行约束的约束图;具体实施时,包括如下步骤:A.根据如下规则,选取对应的度量方法:若无需考虑外部因素对运动的影响,则选择的度量方法为欧氏距离度量方法;若无法确定外部因素对运动的影响,则选择的度量方法为基于密度权重的最短路径度量方法;若能够确定外部因素对运动产生的影响,则选择的度量方法为基于自定义权重的最短路径度量方法;B.根据步骤A选择的度量方法,生成对应的距离矩阵:具体包括如下步骤:若选择的度量方法为欧氏距离度量方法,则直接计算起始帧和终止帧点对之间的欧氏距离,从而生成距离矩阵;若选择的度量方法为基于密度权重的最短路径度量方法,则首先基于密度公式计算每个像素网格的代价值,生成代价图;然后将得到的代价图作为基于密度权重的最短路径度量方法的输入,计算起始帧和终止帧点对之间的最短距离,从而生成距离矩阵;其中,基于密度公式计算每个像素网格的代价值,具体为采用如下公式计算每个像素网络的代价值loss(x):式中x为当前计算的像素网络;ρ(x)为x像素网格的密度值;ε为设定的正则项,用于保证算式中分母不为0;若选择的度量方法为基于自定义权重的最短路径度量方法,则首先加载数据的环境上下文信息;然后在数据所在的局部地图上设定每个地图网络的代价值,生成代价图;最后将得到的代价图作为基于自定义权重的最短路径度量方法的输入,计算起始帧和终止帧点对之间的最短距离,从而生成距离矩阵;C.将步骤B得到的距离矩阵作为最终得到的约束图;S4.基于步骤S3得到的约束图,选择最优传输方法提取运动信息;具体为以起始帧密度图、终止帧密度图和约束图作为输入,采用迭代Bregman投影算法计算起始帧和终止帧点对之间的映射关系;然后基于得到的映射关系,生成位于起始帧和终止帧之间的若干插值帧,从而完成运动信息的提取;S5.将步骤S4得到的运动信息进行可视化,得到密度图和矢量场形式,从而完成无轨迹时空统计数据的运动提取。
2.根据权利要求1所述的无轨迹时空统计数据的运动提取方法,其特征在于所述的步骤S2,具体为根据步骤S1获取的数据,基于相同的核半径和高斯核函数,对每一个数据点采用核密度估算算法,从而得到数据的起始帧密度图和终止帧密度图。
3.根据权利要求2所述的无轨迹时空统计数据的运动提取方法,其特征在于所述的迭代Bregman投影算法,具体为采用如下算式作为迭代Bregman投影算法的计算公式:式中W p (u,v)为p-Wasserstein距离;inf为下确界;π为传输方案集合中的一种传输方案;Π(u,v)为所有传输方案的集合;Ω×Ω为概率测度Ω的乘积空间;c(x,y)为质量从位置x到位置y的传输代价;p为阶数;π(x,y)为从位置x到位置y的传输质量;γ为影响系数;H(π)为熵函数。
4.根据权利要求3所述的无轨迹时空统计数据的运动提取方法,其特征在于所述的生成位于起始帧和终止帧之间的若干插值帧,具体为基于以下计算公式生成位于起始帧和终止帧之间的若干插值帧:若起始帧和终止帧的质量一致,则采用如下算式计算起始帧和终止帧之间的若干插值帧:式中μ t (z)为t时刻z位置的质量值;z为质量沿位置x到位置y的测地线路径运动时在t时刻的位置;geo (x,y) (t)为测地线位置计算函数;π(x,y)为从位置x到位置y的传输质量;若起始帧和终止帧的质量不一致,则采用如下算式计算起始帧和终止帧之间的若干插值帧:式中r(n)为计算质量变化率的函数,且 M t 为终止帧数据总质量,M s 为起始帧数据总质量,n为插值帧数量;t(n+1)为时间系数。
5.根据权利要求4所述的无轨迹时空统计数据的运动提取方法,其特征在于所述的步骤S5,具体为根据每一帧的质量分布信息,以质量值、运动速度为基础,采用核密度估计算法和和箭头构造算法对运动信息进行可视化,得到密度图和矢量场形式,从而完成无轨迹时空统计数据的运动提取。
6.根据权利要求5所述的无轨迹时空统计数据的运动提取方法,其特征在于所述的密度图,具体为基于环境约束的自适应核密度估计方法,采用如下算式进行计算,从而将密度区域约束在物理上可到达的区域:式中,d(x,y)为(x,y)位置的密度值,u为衰减因子,u的取值为距离(x,y)最近的约束像素与(x,y)的距离;所述的矢量场形式,具体为采用如下算式进行计算,从而得到矢量场形式:式中V t (z)为z位置的矢量场;z为质量沿位置x到位置y的测地线路径运动时在t时刻的位置;geo (x,y) (t)为测地线位置计算函数;π(x,y)为从位置x到位置y的传输质量;ε为设定的时间间隔。
7.一种包括了权利要求1~6之一所述的无轨迹时空统计数据的运动提取方法的野火运动提取方法,其特征在于具体包括如下步骤:S1.获取目标区域的当前野火的分布数据,并作为原始的无轨迹时空统计数据;S2.采用上述的无轨迹时空统计数据的运动提取方法,完成无轨迹时空统计数据的运动提取;S3.根据步骤S2得到的运动提取结果,作为最终的野火运动提取结果。




