篮球视频中基于AdaBoost分类器的运动员检测方法

针对篮球视频中运动员的检测识别问题,提出一种基于AdaBoost分类器的检测方法 .首先,从视频中获取有用帧,并通过SampleCreator软件来标记运动员,提取出全身和上半身矩形图像.然后,基于积分图技术从对象图像中提取Haar特征.接着,利用AdaBoost算法选择出具有较强分类性能的特征,训练一系列的弱分类器,并将其进行级联来构建最终的强分类器.最后,通过强分类器对Haar特征进行判别,从而检测图像中的运动员.实验结果表明,该方法能够准确检测并识别视频中的运动员.     

引入权重因子的Fisher判别法的研究

Fisher判别法的基本思想是从两个总体中抽取具有P个指标的样品观测数据,借助方差分析的思想构造一个判别函数,利用确定系数的原则使组间差距最大,组内差距最小.有了判别函数,对于一个未分类样品,将它的P个指标值代入判别式取出y值和临界值进行比较,就可以判别属于哪一总体.引入权重因子来调整组间距和组内距在模型中的比重大小.从而改进了Fisher判别法,将原模型由Imax=C'QC/C'FC 改为Imax=ρC'QC-(1-ρ) C'FC,通过实例证明大大提高了判别的效率.     

基于DWT和随机森林的运动自动分类方法

为了对运动员训练过程中的运动进行自动分类,以可穿戴式惯性传感器采集的信息为基础,提出了一种基于离散小波变换(DWT)和随机森林分类器的分类方法 .首先,通过佩戴于身体特定部位的微型加速度计和陀螺仪,采集速度和角度信息,从而估计出运动员的膝关节和髋关节的运动角度.然后,通过DWT从关节角度信息中提取特征.接着,利用提取的特征集来训练随机森林分类器,以此实现运动的自动分类.实验结果表明,该方法能够有效分类出多类运动,具有较高的分类精度.     

基于三轴加速度传感器人体姿态识别的特征选择

为解决人体运动模式识别中姿态分类问题,详细研究了人体姿态识别的特征选择.通过统计三轴加速度传感器的x轴、y轴、z轴等信号,获得标准差、偏度和峰度等117种特征.将Fisher score、relief-F和Chi square 3种算法与层次分类方法相结合选择出特征子集,采用支持向量机对动作进行分类.实验表明,利用3种特征选择算法所选择出的特征集有助于较高精度地识别站立、坐和躺3种静态动作以及走、上楼、下楼3种动态动作,且有利于后续进行低复杂度在线识别方法研究.     

基于FastICA和卷积神经网络的脑电信号分类算法

为了改善传统脑电信号分类时间长、精度不够准确且分类难度较大的问题,利用脑电传感器(Mind Wave传感器)及Real Term软件从串口抓取数据获取脑电波TGAM数据包,并对采集的脑电信号数据进行分解计算处理,得到各个波段数据,使用基于负熵的独立分量分析的固定点算法(FastICA)提取脑电信号特征,并用深度学习分类算法对脑电信号进行分类。传统机器学习算法不能准确分类复杂的脑电信号,运用卷积神经网络(Convolutional Neural Network,CNN)提取数据进行训练,构建分类器,实现了对脑电信号更高效更准确的分类。实验结果表明,与Fisher线性判别、BP神经网络、朴素贝叶斯相比,此算法可以更准确地区分是否清醒的状态,对脑电信号分类的研究具有重大意义。     

基于模糊支持向量的判别分析

针对分类过程中噪声影响问题,提出了基于模糊支持向量的判别分析法。利用基于马氏距离的模糊c均值算法,对每个训练样本点赋予不同的隶属度。将模糊支持向量机与Fisher判别法相结合,达到降维去噪的目的。实验结果表明:提出的分类方法的错分率明显低于其他的方法,而且能减轻噪声对分类的不良影响,从而证明算法的有效性。     

曲波变换域侧扫声纳图像海底底质分类

通过快速曲波变换将海底声纳图像分解为低频子带和各方向子带. 用低频子带的标准差描述声图的整体不均匀度,各方向子带的纹理能量测度描述声图纹理的方向性和粗糙性. 将构成的特征向量按SVM分类算法用于对侧扫声纳海底图像进行底质分类. 对沙、泥、石3 种类型海底的侧扫声纳图像进行分类实验,并与空域、小波域的分类方法相比较,表明文中方法能较好地用于海底底质分类.     

热成像测量技术在锅炉检验中的应用

红外热成像技术指的是将物体产生的辐射分布状态,通过技术处理转换为视频和图片。由于该成像技术不会受到电磁干扰,且其成像速度快、探测灵敏度高,因此其具有很高的应用价值。本文在介绍热成像技术的基础上,对其原理和检测方式进行了详细分析,以期为我国锅炉检测提供借鉴。     

一种基于KCCA的小样本脸像鉴别方法

基于典型相关分析和Fisher线性鉴别分析的等价性,提出了利用核典型相关分析来抽取小样本人脸图像的非线性鉴别特征,并用其进行脸像鉴别.这样得到的非线性特征本质上等价于核Fisher非线性最佳鉴别特征.基于ORL库的实验表明,对小样本人脸图像,KCCA可以得到和广义鉴别分析近似的识别性能,其所得非线性特征明显优于FLDA的线性鉴别特征.     

基于SVM线性核函数情感分类模型的建立和研究

通过对流行音乐情感分类方法的分析,结合音乐主旋律的音程差值所占比例的高低,提取音乐的情感信息.并以音程差统计得到的数据为依据,建立基于SVM线性核函数情感分类的数学模型.通过对MIDI音乐文件进行主音轨定位,主旋律识别和乐段分割,结合一对多思想方法构造多分类SVM分类器,从而在SVM线性核函数基础上对流行音乐情感分类进行研究.     

基于隐马尔可夫模型的体育视频分类方法

针对体育视频的分类问题,提出一种基于隐马尔可夫(HMM)模型的分类方法.首先,在各类运动训练视频片段的连续帧中提取4维运动特征向量,并基于特征向量训练各类的HMM.然后,将视频片段以状态序列表示,并利用HMM计算状态转换的概率,以此来检测运动事件.最后,基于各类运动的参考字典,通过相似度计算来匹配测试视频中的事件,最终实现对视频片段的分类.实验结果表明,该方法具有较高的分类精度.     

滚动轮胎稳定态温度场及热损耗计算

利用热学方法,将外边界温度及热物性系数作为已知量,在一个FORTRAN程序中,对热稳定态受载滚动轮胎的内部温度场及热损耗进行了计算,数值结果与实验结果一致.     

立体视觉对篮球足球技术的影响

本文利用《立体视觉检查图》,探讨了立体视觉对球类运动技术的影响.发现立体视觉功能与球类运动成绩有着密切的关系.立体视功能好,其运动技术和成绩也好,反之则差.因此建议在球类运动员选材中,除生理、心理选材外,应将立体视功能的检查运用到球类运动员选材中去.     

少年运动员肢体血流图诱发试验的研究

本文以４名少年女子运动员为对象，以血流图为研究手段，通过１ｍｉｎ的快速蹲起的诱发试验，对运动后的血液供应情况进行了初步研究，并与安静时血图各项指标进行了对照。探讨了运动前后肢体的血管紧张度，外周阻力以及血液供应情况等。     

不完全图同构的分类变换法

借助近世代数中集合等价分类的思想,将图中顶点分成不同类,对图分类后的邻接矩阵进行对称变换,给出两个不完全图的同构映射的求法,利用这种方法得到不完全图的自同构映射.     

脉冲星磁球层非热谱的相关性研究

利用蒙特卡洛方法,模拟了脉冲星磁球层中全极冠级联过程的非热辐射.对一给定的位于中子星表面以上一定高度的平行于开场线的电场,原初粒子由该平行电场加速并通过曲率辐射损失其能量,曲率辐射产生的光子通过对产生过程被转化为电子-正电子对,随后这些电子-正电子对通过量子化同步辐射和逆康普顿散射发射光子,从而引发级联过程.在这种情形下,对不同的参数,计算了脉冲星的非热光子谱,并研究了其磁球层非热谱的相关特性.     

基于高维特征正则化的JPEG图像隐写分析

隐写分析是信息安全的重要内容。为提高JPEG图像隐写的检测能力,建立了散度矩阵的特征谱,提出了一种对载体和含密图像的训练特征进行变换的新方法。首先根据特征谱的分布规律进行建模,划分为3个区域：特征值下降区、平稳区、特征值为零的区域,然后通过白化处理得到白化特征向量,进而对处于3个不同区域的特征向量使用自适应正则化方法。经这几步处理得到特征转移矩阵,也就是输入特征的变换矩阵,最后取变换后特征的前t个向量完成特征选择。并将这些特征数据Fisher线性判决（Fisher linear discriminant,FLD）集成分类器进行训练。结果表明,通过对图像特征进行排序、正则化和选择,FLD集成分类器对JPEG图像隐写的识别准确率得到了提升。     

硒的生物化学作用对竞技能力的影响的实验分析

微量元素硒与运动员竞技能力之间的关系,已经成为国内外学者的研究热点.体内充足的硒能够加速乳酸的消除,帮助身体从疲劳中迅速地恢复,为此设计了实验进行验证.将篮球选手分为补硒组与非补硒组,采用对羟基联苯法验证其运动前后体内血乳酸含量,证明硒能通过加速对乳酸的消除改善其竞技能力.此外,还分析了体内有机硒化合物参与免疫功能的过程,研究了机体免疫能力与运动员竞技能力之间的联系,给出了硒的补充标准和日常食物中硒的相关含量.     

小波系数插值支持下的遥感影像混合像元分解

针对遥感混合像元分解中不能有效利用空间邻域信息的问题,提出一种基于超分辨率重建的分解方法. 通过小波系数双线性插值获得遥感影像的超分辨率影像,对超分辨率影像进行监督分类生成超分辨率分类图,最后通过窗口统计得到原始分辨率下各地物的丰度图. 广州城区的模拟TM遥感影像试验表明,该方法的分解精度
在3种方法中最优,能够较充分利用空间邻域信息,提高混合像元分解精度,为混合像元分解提供了新的途径.     

体育视频中基于粒子滤波和ARG模型的多目标跟踪方案

针对体育视频中运动员的精确跟踪问题,提出一种融合粒子滤波和属性关系图(ARG)的多目标跟踪方案.首先,对于所有目标执行粒子滤波构建跟踪器,并根据颜色直方图计算粒子权重.然后,在粒子滤波过程中,融入ARG模型.基于已标注的图像构建ARG模型,并以此评估每个跟踪器的时间得分.最后,根据得分来选择最终的跟踪器,以此实现运动目标跟踪.实验结果表明,该方案能够准确地跟踪多个运动目标,对遮挡和突然运动具有较好的鲁棒性.