Mean Shift聚類分析技術(shù)在安全人居中的應(yīng)用.pdf

1、人居安全是保障良好人居環(huán)境的前提,通過(guò)對(duì)人居環(huán)境持續(xù)的危險(xiǎn)識(shí)別和風(fēng)險(xiǎn)管理過(guò)程,將人員傷害和財(cái)產(chǎn)損失的風(fēng)險(xiǎn)盡可能降低至最低水平。本文以人居環(huán)境安全性檢測(cè)為目的,研究基于MeanShift聚類算法的結(jié)構(gòu)健康狀態(tài)監(jiān)控和評(píng)估方法以及智能視頻監(jiān)控技術(shù)。
　　 首先論述了MeanShift算法的原理,通過(guò)信號(hào)和圖像的聚類分析實(shí)驗(yàn)研究證明,MeanShift算法的核函數(shù)、核半徑以及均值平移量閾值影響聚類分析效果。不同的核函數(shù)會(huì)產(chǎn)生不同的聚類分

2、析效果；聚類分析時(shí),每種核函數(shù)都存在一個(gè)合理的核半徑取值范圍,當(dāng)核半徑超出該范圍時(shí),聚類的準(zhǔn)確性會(huì)降低；減小閾值,可以提高算法的聚類效果。另外,對(duì)信號(hào)提取特征,可以降低分類矩陣的維數(shù),減少算法的迭代次數(shù),增強(qiáng)算法的實(shí)時(shí)性,有效地提高聚類效率及準(zhǔn)確性。與k-means算法聚類分析相比,MeanShift算法對(duì)于聚類樣本不需要預(yù)先設(shè)定類別數(shù)。
　　 提出了基于MeanShift信號(hào)聚類的結(jié)構(gòu)健康狀態(tài)監(jiān)測(cè)方法。首先,采用正交小波包對(duì)A

3、CSE結(jié)構(gòu)響應(yīng)信號(hào)進(jìn)行分解,提取小波包能量分布作為信號(hào)特征,再通過(guò)多測(cè)點(diǎn)信號(hào)特征組合構(gòu)造聚類分析的輸入矩陣,采用MeanShift聚類算法對(duì)結(jié)構(gòu)健康狀態(tài)進(jìn)行了有效的監(jiān)測(cè)。實(shí)驗(yàn)表明:采用多節(jié)點(diǎn)組合的特征可以充分利用多個(gè)節(jié)點(diǎn)的信息,能夠克服單一節(jié)點(diǎn)信息的片面性和不確定性,有利于提高對(duì)狀態(tài)監(jiān)測(cè)的準(zhǔn)確性和可靠性。
　　 提出了基于MeanShift質(zhì)心偏移的結(jié)構(gòu)健康評(píng)估方法,該方法以無(wú)損傷狀態(tài)的聚類中心(質(zhì)心)為基準(zhǔn),用結(jié)構(gòu)實(shí)時(shí)狀態(tài)的質(zhì)

4、心與基準(zhǔn)的偏移大小表示結(jié)構(gòu)偏離健康狀態(tài)的程度。實(shí)驗(yàn)表明:質(zhì)心偏移基準(zhǔn)距離越遠(yuǎn),則結(jié)構(gòu)的損傷程度越嚴(yán)重,以質(zhì)心偏移量為指標(biāo),可以有效地評(píng)估結(jié)構(gòu)健康狀態(tài)。
　　 研究了基于MeanShift圖像聚類的智能視頻監(jiān)控方法。為了提高算法的實(shí)時(shí)性,首先提取視頻監(jiān)控圖像的直方圖構(gòu)成圖像的特征矩陣,通過(guò)MeanShift聚類分析有效地監(jiān)測(cè)了布防區(qū)域狀態(tài)變化,如物體發(fā)生移動(dòng)、有物體滯留或消失以及有人員出現(xiàn)等異常情況。其次,通過(guò)MeanShift聚