Mean Shift聚類分析技術在安全人居中的應用.pdf

1、人居安全是保障良好人居環(huán)境的前提,通過對人居環(huán)境持續(xù)的危險識別和風險管理過程,將人員傷害和財產損失的風險盡可能降低至最低水平。本文以人居環(huán)境安全性檢測為目的,研究基于MeanShift聚類算法的結構健康狀態(tài)監(jiān)控和評估方法以及智能視頻監(jiān)控技術。
　　 首先論述了MeanShift算法的原理,通過信號和圖像的聚類分析實驗研究證明,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)會產生不同的聚類分

2、析效果；聚類分析時,每種核函數(shù)都存在一個合理的核半徑取值范圍,當核半徑超出該范圍時,聚類的準確性會降低；減小閾值,可以提高算法的聚類效果。另外,對信號提取特征,可以降低分類矩陣的維數(shù),減少算法的迭代次數(shù),增強算法的實時性,有效地提高聚類效率及準確性。與k-means算法聚類分析相比,MeanShift算法對于聚類樣本不需要預先設定類別數(shù)。
　　 提出了基于MeanShift信號聚類的結構健康狀態(tài)監(jiān)測方法。首先,采用正交小波包對A

3、CSE結構響應信號進行分解,提取小波包能量分布作為信號特征,再通過多測點信號特征組合構造聚類分析的輸入矩陣,采用MeanShift聚類算法對結構健康狀態(tài)進行了有效的監(jiān)測。實驗表明:采用多節(jié)點組合的特征可以充分利用多個節(jié)點的信息,能夠克服單一節(jié)點信息的片面性和不確定性,有利于提高對狀態(tài)監(jiān)測的準確性和可靠性。
　　 提出了基于MeanShift質心偏移的結構健康評估方法,該方法以無損傷狀態(tài)的聚類中心(質心)為基準,用結構實時狀態(tài)的質

4、心與基準的偏移大小表示結構偏離健康狀態(tài)的程度。實驗表明:質心偏移基準距離越遠,則結構的損傷程度越嚴重,以質心偏移量為指標,可以有效地評估結構健康狀態(tài)。
　　 研究了基于MeanShift圖像聚類的智能視頻監(jiān)控方法。為了提高算法的實時性,首先提取視頻監(jiān)控圖像的直方圖構成圖像的特征矩陣,通過MeanShift聚類分析有效地監(jiān)測了布防區(qū)域狀態(tài)變化,如物體發(fā)生移動、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MeanShift聚