汽车智能驾驶系统中运动图像的实时检测与跟踪

采用CCD摄像机获取运动目标图像序列,用基于背景重建的运动变化,对运动目标检测;通过运动分割并求运动梯度计算出物体运动方向;利用目标的短时相似性,完成对目标的跟踪与识别,并进而实现对目标长时间的稳定跟踪,确定目标的运动规律,实现运动图像实时检测与跟踪的目的.基于上述运动目标检测跟踪算法,利用C++编写了实时处理程序,实现了动态单目标、多目标及不同方向运动目标的检测与跟踪.实验证明,本算法可以实现对单运动目标和多运动目标的实时检测与跟踪,具有很高的鲁棒性,效果良好.     

基于光流场分割的伪装色运动目标检测

为了解决伪装色运动目标难以检测的问题,通过分析动态背景下具有伪装色运动目标的运动变化规律,提出一种基于光流场分割的运动目标检测方法;在具有伪装活动目标且背景动态变化的视频中采用稠密光流算法计算出视频序列的运动光流场,根据运动目标与背景运动方式的差别对运动光流场进行分析,利用K-均值算法完成运动目标与背景的分割,获取运动目标区域。实验结果表明,在摄像头固定情况下,该方法能在变化的背景中有效检测出伪装色运动目标。     

基于视觉的智能移动机器人的运动目标检测与跟踪

目的扩大机器人的目标搜寻范围,并对运动目标进行跟踪。方法提出了将运动背景下运动目标的检测方法应用于机器人目标检测与跟踪,并使用基于视觉的目标跟踪方法。结果机器人在运动状态下仍然能够进行运动目标检测。结论移动机器人能够在运动过程中准确地检测出运动目标,并有效地提高了目标检测的能力。     

基于对称EMD的运动目标检测

针对静态场景下运动目标的方向检测问题,提出一种基于对称EMD的运动目标方向检测方法。借助背景差分和加权的思想,对背景模板作更新处理;借助背景模板和小区域斑点清除,提取运动目标;依据运动目标和对称EMD结构,设计运动目标的运动方向量计算模型。仿真实验结果表明,在背景差分法及图像去噪方法辅助下,该运动方向检测方法能有效对运动目标的运动方向进行判定,对监控运动目标的运动行为有一定的应用潜力。     

运动目标成像特性研究

对焦平面阵列上的点源运动目标和电视扫描方式下的运动目标分别建立了目标运动成像模型，得到了传感器因素与目标成像特性之间的函数学系；提出了目标精确定位的方法．模拟实验表明，所给出的运动成像模型能够较好地刻画运动目标的成像规律，使得目标定位方法能有效地修正由于目标的运动成像畸变带来的影响，为精确跟踪算法的研究提供了理论依据．     

浅谈运动目标检测方法的研究

运动目标检测是数字图像处理技术的一个主要部分,在现实生活中有着广泛的应用。本文分别论述了：（1）运动目标及运动目标检测的基本概念;（2）运动目标检测研究的难点;（3）运动目标检测方法。     

论运动技能目标在《体育与健康》课程标准五大目标中的地位

对《体育与健康》新课程标准中五大目标的关系进行了探讨,明确了运动技能目标在五大目标中的地位.认为:运动技能目标是实现身心健康目标的桥梁;运动技能的习惯化、自动化、生活方式化是终身体育的必要手段;运动参与目标的实质直指运动技能目标.同时,对传统的运动技能教学的弊端进行了分析;对协调五大目标的关系提出了具体建议.     

利用Kalman滤波的视频运动目标跟踪

提出一种基于kalman滤波的视频运动目标跟踪算法,首先对视频运动目标进行分割,求出运动目标的形心,再利用视频运动目标的形心所在宏块的运动矢量信息,用kalman滤波对运动目标的形心在下一帧的位置进行预测,从而快速、有效地自动跟踪多个目标对象.实验结果表明,该算法对运动目标的出现和消失,以及非刚性物体的尺度变化和变形,具有较强的鲁棒性.     

融合时空多特征表示的运动人体目标跟踪算法

为提升运动人体目标的跟踪效果,缩短目标跟踪耗时,提出融合时空多特征表示的运动人体目标跟踪算法。利用运动人体目标位置的获取时间关系确定目标初始运动速度,根据目标区域的质心位置计算搜索窗,提取运动人体目标位置;融合待检测像素点、像素点矢量及最大似然估计值3大特征,将融合多特征表示引入运动人体目标的联合概率密度函数,利用运动人体目标检测门限检测运动人体目标图像像素点,确定运动人体目标区域;通过对运动人体目标的重采样及状态转移,完成运动人体目标的跟踪。实验结果表明:所提运动人体目标跟踪算法的跟踪准确率高到92%左右,跟踪耗时较短、跟踪查全率较好,跟踪效果得到了提升。     

基于修正的Snake模型与特征对象法的多运动目标分割

在分析常规的运动目标分割算法的基础上,以计算简单、速度快、能精确提取运动目标为原则,提出了基于特征对象的运动目标分割算法,并将该法与修正的Snake模型结合进行了运动目标外廓的精确提取.分析和实验表明:该算法需要调整的参数少,计算简单,速度快,抗干扰能力强,可以有效地消除多帧间运动目标的遮挡,在多运动目标不重叠的情况下,能精确定位多运动目标的外轮廓.     

移动环境中的最大移动序列模式挖掘

在移动通信环境中,移动序列模式挖掘对于有效的提高位置管理的服务质量具有重大的意义.移动序列模式挖掘和传统的序列模式挖掘是不同的,首先,前者需要考虑更多的时间因素;其次,移动序列模式中的项之间是连续的,因为关心移动用户的下一次移动情况.本文提出了一种挖掘移动序列模式的新技术:聚类的思想引入到移动序列模式挖掘来处理移动历史的时间离散化,并且提出了一个高效的PrefixTree算法来挖掘移动序列.性能研究表明,Pref ixTree算法优于PrefixSpan-2算法.     

一种运动车辆阴影去除的新算法

文章提出一种改进运动车辆阴影去除新算法,首先通过帧差获得车辆和阴影的轮廓图像,然后对轮廓点应用离散K-L变换解除R、G、B分量的相关性,并运用颜色聚类检测出阴影区域,最后用帧差法产生的运动车辆图像与获得的阴影图像差分得到去除阴影的运动车辆,实验表明该方法能够更好地实现运动车辆阴影的去除。     

一种基于SIFT的遮挡目标跟踪算法

针对运动目标遮挡的难题,提出一种新的遮挡目标跟踪算法.采用三帧取均值进行背景建模,采用相邻帧差法和背景差分结合自动提取出运动目标,对单运动目标生成SIFI(scale invariant feature transform)向量.当运动目标处于遮挡状态时,将遮挡区域与单运动目标进行SIFT特征匹配,通过特征匹配点的坐标...     

一种基于SIFT的遮挡目标跟踪算法

针对运动目标遮挡的难题,提出一种新的遮挡目标跟踪算法。采用三帧取均值进行背景建模,采用相邻帧差法和背景差分结合自动提取出运动目标,对单运动目标生成SIFT(scale invariant feature transform)向量。当运动目标处于遮挡状态时,将遮挡区域与单运动目标进行SIFT特征匹配,通过特征匹配点的坐标,找出单运动目标在遮挡区域中的位置,并对SIFT特征匹配运用RANSAC算法进行优化,实现遮挡情况下目标的有效跟踪。实验表明,该算法能准确地跟踪处于遮挡中的目标,实现运动目标跟踪的连续性和稳定性。     

单相受热管移动参数模型的修正

在单相管移动参数模型的研究中仅根据时间常数来确定移动函数,不能恰当地反映实际状况。该文基于单相管理论传递函数,明确了动态参数在移动函数的选择过程中的决定性意义。借助于解析方法,发现原模型仅仅当动态参数在2左右时适用。对于不同的动态参数,需要采用不同的移动函数。因为动态参数越大则对象的纯延迟越大,所以要求移动函数的变化速度越快。以常用的高精度传递函数的响应曲线为参考比较了多种移动函数的特性。给出了由动态参数决定的移动函数的具体选取方式。结果表明,修正后的模型可以更准确地描述常用热工设备的运行状况。     

喷射混凝土机械手喷头结构及其变幅的计算

喷头是喷射混凝土机械手的一个重要组成部分。本文探讨了喷头运动形式的选择、喷头变幅范围的计算和运动参数的确定等几个问题；推导了变幅范围的计算公式，对喷射机械手喷头的设计有一定指导意义。     

时空网格(ST-GRID)移动对象数据库模型

有效的存储和查询数据库管理系统中的移动对象受到了大量的关注，有一些是针对管理移动对象动态改变信息的应用。在本文中，把时间和空间变换成时空网格模型(ST-GRID)，把移动对象的运动轨迹转换成时空网格上的折线，用这种存储结构来管理移动对象，并给出产生折线轨迹的RippleInsert算法及移动对象突然改变目的地的解决方案。     

基于三帧差分及Canny算子的运动目标提取

针对目前常用的运动目标提取方法易受到噪声、光线变化的影响,很难提取出完整的运动目标这一问题,提出一种基于三帧差分和Canny边缘检测相结合的运动目标提取算法.该算法首先对连续三帧图像进行差分;然后对差分结果其进行区域填充,得到运动区域;再对当前帧进行Canny边缘检测得到边缘图像,二者相“与”得到运动目标的精确边缘图像;最后通过区域填充得到运动目标图像,从而实现运动目标的提取.实验表明,该算法可以实时有效地将运动物体从图像序列中提取出来.     

运动对颜色信息整合的影响源于眼动

运用斜向运动及变速率运动实验模式,考察了运动对颜色信息整合的影响.实验发现:原先在眼动跟踪斜向运动刺激物和固视匀速运动刺激物时,都能发生的颜色信息整合现象,在分别变为固视斜向运动和变速运动刺激物时均不再发生.这表明,颜色整合起源于高级视觉皮层的流行观念是错误的.