简介:本文介绍了一种在线递归投影稀疏矩阵恢复(ReProSMR)算法矩阵时间序列Mt等于稀疏矩阵序列St与非稀疏矩阵序列Lt之和,其中Lt在低维张量空间内随时间缓慢变化ReProSMR算法实时地将观测矩阵Mt分解为非稀疏矩阵Lt和稀疏矩阵StReProSMR算法的一个典型应用场景为监控视频动态背景建模,监控视频的每一帧图像的背景部分由于具有很强的相似性而构成低秩部分,而少量的运动目标构成视频的前景则对应于稀疏部分ReProSMR算法对图像序列进行矩阵低秩稀疏分解,便可成功地将静止的背景和活动的前景分开,从而实现背景动态建模和运动前景识别。ReProSMR算法是递归投影压缩传感(ReProCS)算法引入张量主成分分析后的改进算法实验结果表明,ReProSMR算法的计算效率显著高于ReProCS算法。
简介:为提高车辆安全、减少因驾驶疲劳导致的交通事故,自20世纪80年代起,汽车厂商、零部件商以及科研机构开始从事驾驶疲劳方面的研究。本文总结了各种驾驶员疲劳状态监测系统的研究与应用情况以及整车厂在售车型配备的驾驶员疲劳状态监测系统及其工作原理,例如梅赛德斯-奔驰AttentionAssist系统基于操纵行为监测驾驶员疲劳状态,丰田DriverMonitor系统基于驾驶员面部状态和眼睛开闭频率监测驾驶员状态,福特DriverAlertSystem采用多维信息融合的方法监测驾驶员状态,等等。本文分析了目前各种驾驶员疲劳状态监测技术的工作原理、优点与不足,并梳理了研究驾驶员疲劳状态的技术路线,提出了建立疲劳数据库的方法、监测驾驶员疲劳状态的方法以及如何应用疲劳监测结果,最后预测驾驶员疲劳状态监测技术未来的发展趋势。