实时背景下的遗撒物体检测研究

在视频智能监控系统中,遗撒物体的检测是一个重要的环节.首先通过建立混合高斯模型实时更新视频序列的背景图像,然后利用背景差分实现对运动目标的检测,最后将检测出的运动物体的重心、面积及轮廓作为参数,用来判断一段时间连续视频序列中参数的不变性,从而检测出遗撒物体.实验结果表明,该方法能准确的检测出遗撒物体,具有很强的可靠性和鲁棒性.     

使用前景/背景区域率失真特性的码率控制方法

为提高视频编码器码率控制的性能,根据视频内容将视频帧划分成包含主要运动物体的前景区域和相对静止背景的背景区域,分析各区域的率失真特性,提出一种适用于H.264/AVC编码器的基于区域的宏块层码率控制方法. 比特分配中,根据宏块的区域信息确定加权因子,自适应地为重要宏块分配较大的目标比特预算. 不同区域使用对应参数的二次模型确定宏块量化参数(quantization parameter,QP),并以已编码宏块的QP为参考调整计算所得QP,以降低前景与背景区域间、相邻宏块间的编码质量波动. 宏块编码结束后,根据实际编码信息更新各区域的码率控制参数. 实验测试表明,提出方法能够有效降低实际码率与目标码率之间的相对偏差,提高编码效率和解码恢复视频的主观质量。     

动态目标跟踪与自动特写快照系统的设计及实现

针对现有动态跟踪和快照系统难以同时满足清晰、可靠、实时、准确的跟踪抓拍要求的缺点,提出了一种复杂度较低的新型实用动态跟踪和快照系统.采用一种快速的混合高斯背景差分法分割出运动目标,并使用投影法实现目标的精确定位;然后采用Kalman滤波与模板匹配的方法,结合摄像机标定结果进行云台控制实现动态跟踪;同时,在PTZ跟踪过程...     

医学图像分割研究概况

本文综述和讨论了近年来的医学图像分割技术现状,并对其进行分类,同时讨论了每类分割方法的特点,展望了医学图像分割的前景。     

电视背景环境下语音命令识别系统

设计了一种电视背景环境下的非特定人语音控制命令识别系统,包括基于隐马尔可夫模型的孤立词识别子系统和基于扩展信息最大化(Infomax)独立成分分析算法的语音分离子系统.本语音识别系统的语音库包括8 400个电视机转台控制命令的语音数据.在无噪环境下对特定语音命令的识别率可达93.2％,正常电视背景环境下的识别率降至49.0％,对电视背景下通过分离后的语音命令识别率可达85.8％.     

天空背景红外图像仿真

为了使天空背景辐射强度光谱分布最终生成红外探测器焦平面上背景辐射功率分布图像,需要对天空背景辐射各影响因素进行分析,建立准确的背景辐射到探测器光学系统焦平面的辐射能量传输模型。本文利用MODTRAN软件计算不同天候条件下的天空背景辐射强度光谱分布,建立了背景辐射到探测器光学系统焦平面的辐射能量传输模型,给出了天空背景在焦平面上的辐射功率计算方法,利用天空背景辐射功率分布生成其红外图像。最后编写了仿真软件,生成不同天候天空背景图像,并与红外热像仪拍摄的天空背景图像进行了比对,其变化趋势有较高的一致性。     

智能电网在现代电力系统中的应用

本文首先简单介绍了智能电网的背景,并回顾了其再国内外的发展历程,然后提出了一些应用于智能电网中的新技术,并列举了智能电网在现代电力系统中的应用。     

总星系中“暗质量”形成和分布的基本规律及与“真空背景微波辐射”、“宇宙常数”的因果关联

本文应用相对论性牛顿万有引力定律和非黎曼几何的传统力学分析方法,定量导出和证明了总星系中场"暗质量""、暗能量"的形成、演化和各向同性均匀分布的基本规律,得到了场"暗质量"密度"、暗能量"密度理论值;定量导出了总星系中场"暗质量"密度"、暗能量"密度与"真空背景微波辐射""、宇宙常数"的因果关联,求得了真空背景微波辐射温度和宇宙常数理论值,所得系列理论结果,与已有观测事实极相吻合.     

新课改之亮点—研究性课程与学习

20世纪90年代,在全球教育改革的大背景下,我国在2000年提出将研究性学习课程纳入基础课程体系。研究性学习既是一门新课程,又是一种与"接受式学习"相对应的学习方式,可以渗透到各学科课程的教学中去。研究性学习在实施的十余年中,取得了成绩,但也存在一些问题,学校和教师应该认真反思,通力协作,共同促进研究性学习课程的蓬勃发展。     

路面病害检测中的背景处理和断点连接算法

在基于机器视觉的路面病害检测中,如何进行背景均匀化以及对二值图像中存在的断点问题处理是其中的技术难点.针对该问题,提出一种自适应的倍乘因子不均匀背景去除法来对不一致路面背景进行修正,该方法具有自适应性,可以通过调节自适应因子σ修正背景;然后使用一种基于区域搜寻的断点连接算法对非连续裂缝像素进行连接,它主要基于深度优先原则进行裂缝邻域搜索,然后根据联通性原理去除断点.仿真结果表明,这两种方法对目前的路面检测技术是很好的补充.