本科生毕业设计（论文）外文资料译文
（ 2022届）
|
一、译文文本要求 1．外文译文不少于3000汉字； 2．外文译文本文格式参照论文正文规范（标题、字体、字号、图表、原文信息等）； 3．外文原文资料信息列文末，对应于论文正文的参考文献部分，标题用“外文原文资料信息”，内容包括： 1）外文原文作者； 2）书名或论文题目； 3）外文原文来源： □出版社或刊物名称、出版时间或刊号、译文部分所在页码 □网页地址 二、外文原文资料（电子文本或数字化后的图片）： 1．外文原文不少于10000印刷字符（图表等除外）； 2．外文原文若是纸质的请数字化（图片）后粘贴于译文后的原文资料处，但装订时请用纸质原文复印件附于译文后。 |
信息科学与技术学院教务科
外文资料译文规范说明
|
指导教师意见： 指导教师签名： 年 月 日 |
- 外文资料译文：
监控大视频数据分析中的模糊逻辑: 综述、挑战和研究方向
摘 要
为了有目的地使用BVD(Big Video Data，大视频数据)，社区已经提供了监测系统、活动识别方法和许多其他计算复杂的解决方案。遗憾的是，这些方法的有限能力、较高的计算复杂性和严格的安装要求阻碍了它们在现实场景中的实际应用，现实场景仍然要求操作员坐在摄像机前监视活动或基于BVD做出可操作的决策。类人逻辑的使用，称为模糊逻辑，已被用于各种数据科学应用，如控制系统，图像处理，决策，路由和先进的安全关键系统。这是因为它有能力处理各种来源的现实世界领域和数据不确定性，生成容 易适应和解释的数据为基础的模型。模糊逻辑可以有效地用于监视，作为大型人工智能模型和令人 厌烦的培训程序的补充。在这篇文章中，我们提前请研究人员注意在 BVD 背景下使用模糊逻辑进行监视。我们进行了一个全面的文献调查的方法，视觉感官数据分析，诉诸模糊逻辑概念。我们的概述强调了现有基于模糊逻辑的视频分析方法在监控应用中的优势、缺点和挑战。我们列举并讨论了这些方法所使用的数据集，最后对未来的研究方向进行了展望，这些研究方向来自我们对迄今为止在这一令人兴奋的领域所投入的努力的批判性评估。
关键词：视频监控，模糊逻辑，神经网络，软计算技术，大数据，大视频数据，模糊逻辑调查，模糊教程，视频摘要，视频监控调查
- 引言
世界范围内监控摄像头的增长引起了计算机视觉专家和大数据分析师[1]的关注，因为它对于观察和监控目的的重要性。视频监控领域包括几个应用领域，包括异常检测[2]、暴力识别 [3]以及一般的全球安全[4] ，以及更好和透明的城市监控。此外，与道路交通相关的上下 文信息共享和融合、购物中心、医疗中心和许多其他有用场所的人群密度可以提高视频监控能力。例如，获取有关交通密度的信息，可以通过提供有关拥堵热点和通往目的地的合适的非拥堵路径的信息，缓解智慧城市居民的日常生活[5]。这是可能的，通过使用图像处理技术以及基于模糊逻辑的快速和准确的决策从监视大视频数据(BVD)。尽管通过 BVD 进行监视的应用非常广泛，但是通过计算智能技术实现这些应用从精确时间复杂性的角度提出了挑战，因为这些系统必须应对现实世界中不确定性的不同来源。机器学习模型和图像处理算法的主流可用数据降低了泛化能力，降低了对现实世界监控场景的适应性。因此，训练有素的模型在复杂的智能城市监控应用中表现出有限的性能[6]。为了提高监控 BVD 的利用率，研究人员正在研究几种图像处理和机器学习算法[7]。
本次调查的主要重点是以监控大数据为例，全面分析了模糊逻辑系统在视频分析中的应用。模糊逻辑在其他领域得到广泛应用，因为它们能够提供对数据源中的不确定性和不精确性具有鲁棒性的推理和建模技术[10]。研究人员和专家的贡献一直集中在利用模糊逻辑进行视频分析方法上。然而，对于动作和活动识别、异常检测和视频摘要等监控系统的关键应用领域的研究还很有限。本综述文章涵盖了使用模糊逻辑监测 BVD 分析的突出挑战及其可能的未来见解。最后，为了激励科学家向这个领域发展，并从模糊的角度集中研究视频分析文献，我们提出了本综述文章的主要贡献如下：
- 据我们所知，以前没有关于基于模糊逻辑的监控 BVD 处理的调查。因此，我们为模糊逻辑文献做出了贡献，首次对视觉传感器生成的大数据进行了全面调查。
- 监控摄像机生成的大数据需要图像模糊化、隶属值修改和去模糊化技术，以便有效并且高效地使用。目前关于模糊逻辑的文献缺乏对监控 BVD 的关注。因此，我们覆盖了现有的文献在模糊逻辑领域，提出了概念，可能与监视领域集成，以有效利用可视化大数据。此外，我们讨论了基线技术，并概述了有关上述主题的代表性工作，这有助于认识到该领域的公开挑战。
- 我们调查的另一个主要贡献是制定了未来监测 BVD 的研究指南，并提供了支持性参考文献，以激励科学家在这一领域进行有价值的研究。在这里，有几个可能的方向集成模糊逻辑与其他软计算技术，如神经网络和尖峰神经网络的丰富成果和敏感但重要的应用。我们还强调主要的挑战和提供详细的讨论可能的研究轨道在视频分析领域使用模糊逻辑。
2. 模糊逻辑的背景概念
模糊逻辑是一种软计算方法，提供了一种近似推理和数据建模的方法，使用词语和短语而 不是数字来建模现实世界的系统，类似于人类思考和决策的方式[12]。模糊逻辑由两个重 要组成部分组成: 模糊集和模糊数据结构。一个模糊集合，也称为不确定集合，是一个数学模型，其中包含成员、非成员和部分成员等具有不同隶属度的元素。模糊集是 Zadeh [13] 作为经典集的扩展引入的。模糊数据结构如关系规则通过处理模糊集预定义的语言值产生 输出。
同样，在其他领域[14] ，模糊集可以用来划分与视频特征和质量指标相关的属性空间到语言变量，如非常低，低，高，提供这些属性的有意义的抽象表示[15]。与清晰的集合和分区不同，模糊集的边界不是基于二元二值逻辑(0 或 1)。相反，它们使用了许多有价值的逻辑，这些逻辑有利于数据点对集合或分区的渐进归属度。模糊集可以使用不同类型的数学隶属函数来表示， 这些数学隶属函数计算他们划分的属性空间中数据点的隶属值。由于成员资格值介于 0 和 1 之 间，这允许数据点拥有一个或多个重叠模糊集的部分成员资格，其中分区之间的边界是不确定的，不能在现实世界中精确地指定。例如，在一组连续监视视频画面中，其中一些画面与其他画面相比信息价值较低或与侦查可疑行为或异常情况相关性较低的画面相比，可能具有很高的信息量和重要性。这可以帮助减少需要处理的帧的数量为实时基于边缘的嵌入式监视设备或传 输无线传感器网络。这个功能强大的特性通过指定或学习可解释的结构(如 If-Then 规则、图类 或基于集群的表示)促进了数据抽象化和近似推理[16]。这些结构可以用于建模函数映射、因果 依赖关系以及跨不同领域特定属性的派生模糊划分之间的关系，其方式与其他机器学习技术学 习或发现数据点之间的函数近似或分组的方式类似。特别是，基于模糊规则的推理系统最常用于决策和控制应用[17,18] ，而室内视频监控和其他视频分析任务也使用模糊逻辑系统[19,20]完成。
表1. 整体统计调查的结构
|
主要标题 |
小标题/段落、表格 |
|
引言和动机 监测BVD的应用 我们调查文章的重点 主要贡献 |
|
什么是模糊逻辑 模糊系统的基本流水线 |
|
模糊逻辑领域的调查文章/表2 我们调查的覆盖面/表2 关于我们调查的讨论 |
|
模糊逻辑相关作品/表5 监视BVD的模糊逻辑 基于模糊逻辑的物体检测 基于模糊逻辑的目标跟踪 交通管理的模糊逻辑 模糊逻辑的一般应用领域 |
|
模糊逻辑域中的评价方法/表4 模糊逻辑方法在监控领域的性能评价 模糊逻辑方法中的评价指标 |
|
卷积神经网络(cnn)的背景及其在监控中的局限性 上述问题的模糊逻辑解法 如何应用模糊逻辑给出的解决方案 使用CNN还是模糊逻辑？在哪里使用哪个选项？ |
|
模糊监控领域的应用前景/表6 边缘智能和模糊逻辑 非平稳环境的自适应模糊逻辑 研究实施的公共可用性//表7 时间复杂度和计算资源分析 关于混合技术的建议 模糊视频数据分析的可解释性 |
续表1
|
监视 BVD 和模糊逻辑 我们研究的主要发现 进一步探索模糊逻辑及其变体用于监视BVD的动机原因 |
表2. 模糊逻辑文献中一些代表性调查的详细描述, 以及他们在监控领域的灵活性
|
参考 |
覆盖范围 |
相关监测 |
领域 |
已审阅的论文/调查 |
主题 |
|
[17] |
2007-2013年 |
动态参数优化可用于监视方法 |
综述了模糊理论的参数优化算法 |
16/现有调查无覆盖范围 |
基于模糊逻辑和自然启发的动态参数自适应优化技术综述 |
|
[25] |
1996-2014年 |
在监控领域可以进行自适应，以解决复杂的非线性问题 |
观测下的模糊自适应控制器 |
35/缺乏对现有调查的讨论 |
自适应模糊控制器综述。主要研究非线性控制器和模糊推理系统 |
|
[26] |
1994-2014年 |
手势识别和活动识别可以有效地应用于监控 |
人体运动分析的模糊集技术 |
22/不包括现有调查 |
人体运动分析的模糊方法。第一次调查针对这个问题使用模糊文献 |
|
[27] |
2005-2017年 |
纯粹与疾病诊断有关，但主要的模糊概念解释得很好，可以用于不同目的 |
疾病诊断 |
46 剩余内容已隐藏，支付完成后下载完整资料
英语原文共 33 页，剩余内容已隐藏，支付完成后下载完整资料 资料编号：[596329]，资料为PDF文档或Word文档，PDF文档可免费转换为Word |
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
