一种动态紧缩的移动对象索引结构

DPTI(dynamic packing trajectory index)是R*-Tree和链表组合而成的移动对象索引结构.用链表来存储轨迹数据,做到了严格的轨迹保护.轨迹的分段处理对每条轨迹进行了逻辑划分,每个划分对应链表中的若干条线段.R*-Tree存取的最小单元不再是轨迹的线段,而是各个划分所对应的线段集.基于对轨迹更新的简单预测,在轨迹不断更新的过程中对存放历史信息的结点进行紧缩,使得叶子结点拥有更高的存储利用率.DPTI的两层索引结构做到了严格的轨迹保护,分段处理使得各段轨迹能够按照时空位置插入R*-Tree,动态紧缩提高了索引的存储利用率,这些改进都促使DPTI得到了较好的时空查询效率.     

移动对象位置的索引技术

在一维空间上采用B^n树索引结构、对移动对象位置进行索引，给出了该方案的实验结果，结果表明，对象的分类处理可以减少系统开销，提高移动查询结果的传输效率，并且可以扩展到特定的二维空间上。     

一种有效检索和更新移动对象的混合索引结构

由于无线通信技术持续不断的发展和基于定位服务的广泛应用,存储和处理移动对象数据变得尤为重要。提出了一种移动对象混合时空索引结构,即HTVKDB-tree,此索引结构在KDB-tree的基础上结合了直接存取移动对象位置的辅助索引结构。在结点中加入时间和速度参数,使其支持索引移动对象,并且索引结构能够支持未来的位置检索。此外,增加了一个指向中间结点访问表的主存结构以支持自底向上的更新算法以降低更新代价。     

一种高效的移动对象索引

提出了一种基于R-树和聚类算法的高效移动对象索引,这种索引能够有效地回答各种查询,包括范围查询、瞬时查询和最邻近查询。这种索引的新特征是在节点发生分裂时采用另外一种的聚类方法,即k-mealls算法,取代传统的“两路”分裂算法,而采用“多路”分裂算法。通过实验比较,这种新的索引结构在各种条件下性能比其它相关算法优越。     

一种基于交通路网的移动对象索引结构

以提高移动对象数据库中交通道路上的移动对象位置查询效率为目标,通过借鉴FNR-tree的思想并加以改进和综合运用hash表、动态数组、B树、单循环链表,设计了一种新的基于交通路网的移动对象索引结构(Dynamic and Efficient Index,DEI),并给出了操作算法.DEI索引结构由道路hash部分、时间信息结构和移动对象hash结构3部分组成.DEI支持对移动对象的过去、现在和将来位置的有效查询,可实现移动对象的快速定位.仿真实验结果验证了DEI的性能优势.     

移动对象轨迹预测

为了帮助人们了解移动对象轨迹预测研究领域的成果,并准确预测移动目标运动趋势,对国内外相关文献进行了系统梳理和归纳。从基于物理机理建模、基于移动对象行为建模和基于移动个体交互建模三个方面对移动对象轨迹预测技术进行了分析。分别阐述了相关算法的核心原理方法,以及在轨迹预测中的适用范围和优缺点,指出移动对象轨迹预测研究所面临的挑战和研究重点。     

基于网格分组移动对象的索引方法

针对目前使用广泛的移动对象索引技术对受限范围内的海量数据索引管理问题.引入了网格技术实现移动对象的分组管理,提出了基于网格分组的移动对象GG TPR树索引方法.该方法利用网格分组的方式,将位置与运动行为接近的移动对象进行整体维护和批量管理,从而减少索引维护的中间环节,提高移动对象的索引效率.模拟实验结果表明,利用GG TPR树索引受限范围内的海量数据较已有的移动对象索引方法性能更优.     

一种改进的基于交通网络的移动对象索引方法

通过对基于交通网络(简称网络)移动对象索引方法FNR-Tree的分析，提出了一种改进的TNR-Tree方法。该方法充分利用网络信息，增大空间索引粒度，使用更合理的时间间隔，加强对轨迹的索引。性能分析说明了TNR-Tree方法较大程度地减少数据存储量和索引尺寸，提高了插入性能，并能有效地进行轨迹索引。     

QGrid:一种空间移动对象并行索引结构

为提高空间移动对象数据更新效率和查询准确率,提出了一种空间移动对象并行索引结构.利用主索引和辅助索引支持对空间对象进行基于范围的查询和基于对象标识的查询,还通过查询索引将更新操作和可能受其影响的查询操作相连接,在满足并行操作时间片语义的同时,避免了传统方法进行范围查询时对查询范围内相关对象及相关索引结构全部进行锁定的需求.实验结果表明:高负载环境下,该索引结构不但能保证查询准确率,其处理能力也明显优于传统索引结构.该索引通过提高系统并行度,使同一范围内的更新和查询操作可以并行执行,提升了系统整体运行效率.     

路网中基于RQOP树的移动对象索引技术研究

基于位置的信息服务需要高效的索引方法来管理移动对象.针对PMR QUAD树索引路网空间时不平衡、部分路段重复存储且索引结构可调整性差的问题,用RQOP树对路网空间按照路段的空间分布进行划分,使树的高度尽可能低,改进基于路网的动态组合索引结构.对照实验表明,基于RQOP树的索引结构提高了查询效率.     

一种改进的移动对象时空数据模型

分析了MOST模型和离散模型各自存在的问题,给出一种改进的移动对象时空数据模型HCFMOST．模型采用三次Hermite插值函数模拟移动对象的历史单元的轨迹且利用线性函数模拟移动对象的当前单元的轨迹,对当前单元中的误差进行了处理．该模型能够对历史轨迹进行精确的查询,对当前和未来的轨迹进行带误差的查询．     

移动对象数据库将来查询方法研究

首先提出一个移动对象的轨迹模型,能建模低维和高维运动轨迹,并在此基础上提出一个具体的移动对象将来查询方法,该方法能应用于多种索引结构。本文基于R树结构,给出了对于不同查询形式的具体实现过程。     

一种改进的基于交通网络的移动对象索引方法

通过对基于交通网络（简称网络）移动对象索引方法FNRTree的分析,提出了一种改进的TNRTree方法。该方法充分利用网络信息,增大空间索引粒度,使用更合理的时间间隔,加强对轨迹的索引。性能分析说明了TNRTree方法较大程度地减少数据存储量和索引尺寸,提高了插入性能,并能有效地进行轨迹索引。     

空间移动对象历史查询的索引新方法

根据空间移动数据库历史查询的要求．本文构建了一种基于三角形外包的空间移动对象历史查询索引结构（TRL树）．并给出了TRL树的性质和相关更新算法,其中对分裂算法做了重点研究。     

智能视频监控中的一种快速运动目标检测方法

为解决现有视频监控系统中目标检测算法无法应付复杂的环境且计算量较大等问题,结合背景模型算法和帧间差分的优点,对混合高斯背景方法和帧间差分进行改进,提出一种基于混合高斯模型背景法和混合差分相结合的运动目标检测改进算法.利用分块思想进行高斯背景建模,利用多帧差分实现混合差分,既能得到较高的灵敏度又能进一步提高检测效果和速度.通过实验证明该算法的可靠性和实时性.     

运动目标的快速检测、跟踪和判别

为完成自然环境中大范围的环境监控 ,实现了一个运动目标检测、跟踪和判别系统。该系统利用一个固定平台上的、有 3 60°旋转和一定俯仰的两自由度摄像机监视自然环境 ,利用 2 -D仿射模型和鲁棒参数估计的主运动分析得到背景运动参数 ,能够在短时间内完成 3 60°全景图的拼接 ,并能利用出格点检测和聚类自动检测、通过限制搜索范围的检测和维护运动目标缓冲池主动跟踪运动目标 ,还能按目标区域的周期性变化判别目标种类 (人或车辆 )。实验表明 ,系统能够实时可靠地检测、跟踪运动目标并完成判别 ,满足特定的监控要求。另外 ,该运动目标判别方法简单可靠 ,其结果可作为视频序列识别和检索的一项重要特征     

一种基于背景减法的运动目标检测算法

针对静止摄像机下的运动目标检测问题,提出了一种基于背景减法的运动目标检测算法.首先利用无拘束学习方式迅速建立多个可靠的RGB颜色背景模型,然后在运动目标分割过程中,及时地根据场景变化对背景模型进行更新,同时利用色度信息及局部交叉熵信息去除阴影,得到较为精确的运动目标.在对用普通USB摄像头获取的视频序列实验中,该算法显示了良好的性能.