序号

产品名称

数量

计量单位

技术参数/服务要求

备注

1

时间序列中周期动作识别模型

1

项

1、基本要求：采用PYHON语言开发应用于时间序列中周期动作识别模型，主要目的为识别类事件数据中重复的动作并进行计数，拟开发的系统及模型库应实现接收inivation等主流事件相机厂商设备输出事件流数据作为输入，能够实现对相关数据的预处理及对应时间序列转化，能够基于时间序列相关处理方法实现对事件流数据中相关趋势的识别、处理和抽取，能够实现对同趋势的分析、匹配和计数操作。

2、主要技术内容：

（1）主框架：包含事件流数据读取模块、预处理模块与分析模块，分析模块应包含不少于4种时间序列化的事件数据的分析模型，框架需要实现从inivation等主流事件相机厂商设备读取事件流数据，预处理和分析计数的功能。

（2）事件流数据预处理模块：

该模块主要功能：将事件流结构化为时间序列数据存储形式。

数据存储形式：

时间序列(t,x,y)：按照事件点发生时间顺序进行坐标存储，输出为txt格式文件或excel格式的可读文件

（3）基于时间序列的事件流重复动作数据特征分析模型库

该模型库的输入为事件流数据预处理模块处理后的时间序列，实现以下方法完成对事件流数据内含特征的提取。

A. 基于PCA的维度合并模型

输入文件名称 input_file;

输入数据存储结构 ndarray;

目标维度参数 n_components;

输出数据名称 output_file;

输出数据存储结构 Series;

B. 基于Mann-Kendall Test的趋势判断模型

输入文件名称 input_file;

输入数据存储结构 Series;

窗口大小变量 win_size;

窗口移动步长 win_step;

扩充策略暂停阈值 delta;

输出文件名称 output_file;

输出数据存储结构 ndarray;

C. 基于Fast DTW的同趋势筛选模型

输入文件名称 trend,time_series

输入数据存储结构 ndarray,Series;

半径参数 radius;

距离计算算法 dist;

平均匹配代价矩阵 avg_cost_by_dtw;

相似度聚类阈值 theta;

输出文件名称 output_file;

输出数据存储结构 list

D. 基于密度聚类方法的同趋势筛选

输入文件名称 trend, time_series

输入数据存储结构 ndarray,Series;

样本领域半径 eps;

核心最小样本数 min_samples;

距离度量标准 metric;

并行运行作业数 n_jobs;

最近邻计算算法 algorithm

输出文件名称 output_file;

输出数据存储结构 ndarray;