معیار سنجش تصمیم‌گیری هوشمند برای پایش جمعیت در شهر هوشمند

گسترش روزافزون شهرنشینی و ظهور شهرهای هوشمند نیازمند مدیریت بهتر جمعیت و سیستم‌های نظارتی امنیتی است. سیستم‌های پیشرفته برای بهبود و خودکار کردن سیستم مدیریت جمعیت مورد نیاز هستند. هدف از سیستم‌های تلویزیون مدار بسته و سیستم‌های پایش بینایی با استفاده از دوربین‌های متعدد با چالش‌های زیادی چون واریانس نورپردازی، انسداد و تفکیک زمانی – فضایی کوچک، فرد در خواب، سایه، پس‌زمینه دینامیک و نویز می‌باشد. بنابراین، نظارت بر جمعیت، پیش‌گیری از تمبرهاو وضعیت‌های اورژانسی مربوط به جمعیت در شهرهای هوشمند، مشکلات عمده‌ای است. در این مقاله، ما یک نمونه مبتنی بر محاسبات هوشمند را برای پایش جمعیت در شهر هوشمند پیشنهاد می‌کنیم. در چارچوب مبتنی بر محاسبات هوشمند، از الگوریتم بهینه‌سازی برای محاسبه ویژگی حرکت جمعیت و اندازه‌گیری همبستگی بین مدل حرکت مبتنی بر عامل‌ها و داده‌های جمعیت با استفاده از روش فیلترینگ کالمن توسعه‌یافته و روش واگرایی(دیورژانس) – KL استفاده می‌شود. چارچوب پیشنهادی سنجش همبستگی مبتنی بر ویژگی متمایز جدید استخراج‌شده را اندازه‌گیری می‌کند، و ویژگی کل داده‌های جمعیتی نمایانگر و طبقه‌بن

The ever-expanding urbanization and the advent of smart cities need better crowd management and security surveillance systems. Advanced systems are required to improve and automate the crowd management system. The aim of the closed circuit television and visual monitoring systems using multiple cameras faces many challenges like illumination variance, occlusion and small spatial–temporal resolution, person in sleep, shadows, dynamic backgrounds, and noises. Therefore, the crowd monitoring, prevention of stampedes and crowd-related emergencies in the smart cities are major challenging problems. In this paper, we propose an intelligent decision computing based paradigm for crowd monitoring in the smart city. In the intelligent computing based framework, the optimization algorithm is applied to compute the feature of crowd motion and measure the correlation between agents based motion model and the crowd data using extended Kalman filtering approach and KL-divergence technique. The propo