基于轨迹聚类的行人小群组识别方法研究开题报告

1. 研究目的与意义（文献综述）

1.1背景资料

人类社会生活离不开社会群组，随着社会的发展视频监控技术愈发成熟，对于行人小团体基于轨迹的人类社会群组识别技术也逐渐出现在我们面前。行人小群组被定义为被相互作用的个体如表示互相接近，相互打暗语，凝视或说话。行人在一小组不仅意味着他们在距离上相近而且他们有着特定的社会关系如家人或朋友。行人群组识别算法的研究在对于公共安全和人群行为等方面有重要意义。行人小群组识别主要通过聚类算法，聚类算法简单来讲就是一句数据其自身的特征将数据集行划分成若干类的过程，划分的结果是相同类内数据相似度尽可能大、不同类间数据相似度尽可能小，从而发现数据集的内在结构

1.2国内外研究现状分析（文献查阅报告）

在二十世纪五十年代，行人群组就被定义为相互作用的个体[1]。近年来国内对于群组的研究开始有了很大的关注和发展。浙江工业大学理学院应用数学系金建国[2]主要将研究聚类的算法主要可以划分为以下几类:

(1)基于层次的方法；（2）基于划分的方法；（3）基于密度的方法；（4）基于网格的方法：（5）基于模型的方法；（6）模糊聚类方法；（7）基于图论的方法；（8）基于分形的方法；（9）复杂网络聚类方法；。对于行人小群组来说主要是应用基于层次聚类的算法，划分式聚类算法以及基于网格和密度的聚类算法[3]。金教授指出直接导致数据集聚类结果的好坏有3个因素[4][5][6]：类数目的正确获取，决定数据点之间亲密度的距离函数和高效的聚类算法。他指出了各种聚类算法的优劣，对聚类算法进行了简要的剖析主要从聚类算法、距离函数、类数目的确定和算法评估来介绍。武汉理工大学李晓红针对行人群组识别进行了层次聚类算法的分析和实验，分别从群组的速度，距离以及群组之间的成员所形成的夹角之间来研究分析[7]。

2. 研究的基本内容与方案

目的(为了解决什么科学技术问题)： 为了解决视频数据所给予的信息中进行群组识别算法，达到高效率的行人群组识别。对于视频所给予的庞大数据量，用人力来处理显然是不科学的，而对于人类社会的群组识别的研究群组识别是必不可缺的，因此针对视频中出现的大量的数据信息，需要找到合适的聚类方法进行群组识别聚类。

意义（社会经济价值）： 行人群组识别可用与许多公共场合或者突出地区，从大量的视频信息中分析出行人的群组以及组内的基本情况，从而协助保安人员进行公共场所的监督[11][12]。同时行人群组识别算法可以解决大量的视频数据问题，得到大量人类社会小群组的数据，为人类社会的群组研究提供了理论基础[13]。如在超市中，人们大多数会进行结伴购物，通过视频中的群组识别技术便可以轻松找出人们的同伴。对于超市的经营有很大的借鉴。群组识别还可以定位在自动售货机旁边，便可以通过视频的监控找出人们小群组的饮用习惯和分析。从社会学角度来看，[14][15]人类的群组识别算法可以很直观方便的提供社会学家所需要的数据内容从而更加有利于社会学家对于行人小群组的研究。就其潜力来看，是很有必要的。

2.研究（设计）的基本内容、目标、拟采用的技术方案及措施

2.1 目标（开发的系统概况描述）

3. 研究计划与安排

经过仔细的分析和研究，现把毕业设计的进度做如下大概的安排：

2.22--2.29 关于行人社会群组的相关问题调研，有关文件的文献检索

3.01--3.07 开题报告的撰写相关计划的安排以及外文资料的翻译整理

4. 参考文献（12篇以上）

4．阅读的参考文献（不少于15篇，其中近五年外文文献不少于3篇）

[1] dorwin cartwright and alvin zander. group dynamics:research and theory (3rd. ed). new york: row, peterson and co., 1968.

[2]孙吉贵，刘杰，赵连宇 issn 1000-9825, coden ruxuew journal of software, vol.19, no.1, january 2008