复杂场景下基于特征点匹配的目标跟踪算法

提出一种在复杂场景及目标遮挡情况下,特别是目标外形、大小发生变化时的基于SURF的目标跟踪和在线目标模型更新算法。该算法利用SURF对尺度缩放、光照变化和旋转等具有较好鲁棒性的特点,首先提取跟踪目标的SURF特征点,以特征点及其邻域的R、G、B直方图表示目标;然后根据目标在连续的帧中相似性较大的特点,搜索当前帧中的目标最优匹配SURF特征点,由目标特征及目标模型计算其准确大小和位置,并根据变化了的目标状态更新目标模型。实验结果表明,该算法可准确地定位到目标。     

复杂场景下自适应视频前景提取算法

针对目前基于背景建模的前景提取算法在复杂场景中误检率高以及鬼影融入背景模型慢等问题,提出一种复杂场景下自适应视频前景提取算法。在前景检测阶段,利用背景模型中样本之间最小欧式距离的均值衡量背景动态波动程度,自适应调整像素点的半径阈值,从而抑制在光线变化,树叶晃动等场景中产生的拖影和噪声点;在更新背景模型阶段,根据物体的运动速度自适应选择一次更新背景模型中样本个数,加快因首帧存在运动目标和物体运动状态变更而产生的鬼影融入背景模型。实验表明,相比其他代表性算法,改进算法在加快鬼影融入背景模型和抑制背景动态干扰方面均有较好的表现,且提升了准确率、召回率,降低了假正率。     

复杂工业场景模式识别的探索与研究

随着对模式识别领域研究的深入,场景识别广泛应用于日常生活中。但对于复杂工业场景识别的研究还是空白。对复杂工业场景模式识别的研究,有助于大大提高复杂工业现场的自动化程度。     

基于复杂网络的脑电信号回归分析

基于相点距离集合确定脑电信号的相空间重构嵌入维数,并得到时间序列的相空间轨迹.把由相空间轨迹构成的回归矩阵转化为复杂网络的连接矩阵,并用复杂网络的特征参量表征回归矩阵的性质.实验结果表明,由不同生理状态的脑电信号构成的回归矩阵呈现出普适和非普适特征,也就是小世界特征的一致性和聚类结构的差异性.这些结论与实际脑网络的小世界特征和脑功能区域的聚类结构能够很好吻合.     

虚拟现实技术在复杂场景中漫游的应用

根据虚拟现实中复杂场景漫游的特点，探讨了复杂虚拟场景的建构以及场景的可见面消隐，碰撞检测和用硬件设计的方法实现灯光效果等若干技术问题，最后实现了一个室内场景的应用实例。     

基于虚拟现实的复杂场景非显著目标跟踪方法研究

为避免复杂场景中的干扰因素影响非显著目标跟踪准确度,提出基于虚拟现实的复杂场景非显著目标跟踪方法。通过中值滤波设置图像窗口大小,统计相邻像素点最大中值,定义复杂场景特征区间。基于虚拟现实技术转换跟踪平面三维信息,利用正交原理计算空间位置,对应区间目标坐标。设定模糊逻辑集合,采用最大隶属度量方法构建隶属度函数,在复杂场景内跟踪非显著目标,完成非显著目标跟踪。设定多组目标跟踪场景,分别在影响因素较少、光感条件变化强烈、快速运动过程中和遮挡干扰背景五组条件下,测试非显著目标跟踪效果。实验结果表明,所提方法在上述设定中均可以完成准确跟踪,定位得到目标物。     

基于脑电图信号在复杂场景下的新型联合算法

在基于快速傅里叶变换(FFT)的联合算法和基于支持向量机(SVM)的联合算法的基础之上,文中提出了一种复杂场景下针对5类以上脑电图(EEG)信号处理的新型联合算法.目的在于提升脑电信号处理与分析的精度与综合效率.新型联合算法首先采取归一化进行数据预处理,然后融合FFT和主成分分析(PCA)进行特征提取,最终以加权k近邻(k-NN)分类算法进行特征分类,应用于被试观察0～9数字时产生的脑电信号分类.结果证明:新型联合算法的精度和综合效率分别为84%和87%,可被用于复杂场景下的脑电信号处理.     

复杂场景中基于统计模型检测运动物体的新方法研究

本文介绍一种基于视频信号多特征统计分析来实现对自然场景中运动物体的检测的新方法。在一般的检测运动物体的方法中,基本上是刺甩求出序列图象的相邻两帧图象的各象素灰度值变化的方法,这种方法称为变化检测箕法。这些方法的原理是基于假设序列图象的灰度变化是由场景中的运动物体造成的。然而,其它原因(如;摄像机噪声、光照的变化、摄像机的轻微移动)也可以引起图象的灰度变化,因此使得系统容易产生错误的判断。为了克服这个问题,本文提出的新方法除了考虑帧问灰度变化外。,还考虑了图象中的纹理和运动信息。通过对帧间图象的灰度、纹理、运动三个不同特征信息的数据统计分析,实现对自然场景中运动物体的检测。     

复杂光照场景下基于MTCNN的人脸检测

为了提高复杂光照条件下的人脸检测识别率,提出了一种基于Retinex图像增强技术应用于多任务卷积神经网络(multi-task cascaded convolutional networks,MTCNN)的人脸测算法.算法用Retinex理论对图像进行增强,能明显提高MTCNN在不同光照场景下的人脸检测精度,同时使面部...     

复杂场景下的SAR图像船舶目标检测

针对SAR图像中复杂场景下的船舶目标检测问题,提出一种将定位、分类和分割多任务结合一起的Mask-FPN模型,在金字塔特征映射图的基础上,同时引入图像分割分支,并通过多任务损失函数保证定位分类和分割三个过程同时进行.实验结果表明,本文提出的Mask-FNP模型在近海、港口、岛屿等存在干扰背景的复杂场景下,船舶识别准确率...     

逻辑电路中虚拟实验的建模与仿真

虚拟实验教学软件从真实实验中抽象出各种元器件,组建虚拟场景,实现电子设计自动化(EDA).概述了虚拟实验系统的设计方法和实现技术,构建了在虚拟空间上进行可编程实验的平台,并使用MAX PLUSⅡ实现了组合逻辑电路全加器的建模、编译与仿真过程.     

基于PHP的X3D场景动态生成技术研究

目前,X3D场景在网上一经构建只能浏览,难以修改。而PHP能够动态生成以XML编码格式编写的X3D文档。在构建X3D虚拟美术馆的项目基础上研究X3D的编码格式,通过PHP的数据库读写技术将变化的数据从数据库中读取出来与不变的数据结合,动态生成XML文档进而重构X3D场景,使得网站管理员能够在网站后台编辑X3D场景,最终形成基于php的X3D场景动态生成技术的应用方法。     

虚拟演播室技术

虚拟演播室技术是近几年发展起来的一种基于虚拟现实的电视节目制作技术,其原理是将摄像机拍摄的前景图像与计算机设计的三维虚拟背景空间相融合以形成新的视频图像。虚拟演播室技术无须构建实际物理场景,同时所建背景受限制小、易于修改,被称为一场电视节目制作中的革命。文章阐述了虚拟演播室技术的产生背景、发展、关键技术、应用以及未来。     

虚拟场景的构造与实现

介绍了机器人漫游虚拟场景的系统框架,解决了其中的两个关键问题--三维场景建立和碰撞检测.建立三维模型时,基于3ds max建模渲染后输出3ds文件,利用OpenGL进行三维场景模型的重建;至于碰撞检测问题,是基于包围盒检测技术,根据大型虚拟场景的特点,给出了虚拟漫游系统中碰撞检测的算法.     

大规模实例化场景的实时动态阴影生成算法

提出一种新的阴影生成算法,能用很小的代价快速生成同一模型大量实例的实时动态阴影.实验结果表明,对于实例数量很多的情形,此算法绘制阴影的速度比传统的实时阴影算法快一两个数量级.     

从图式论看“窄式听力”在雅思听力教学中的作用

雅思听力以场景的多样性和重复性为其显著特点。利用已知的概念或过去的经历是理解新事物过程中关键的一步。文章从图式论的角度探讨在雅思英语听力课堂中,利用＂窄式听力＂帮助学生积累相关主题的词汇和背景知识,并使之成为＂已知概念＂,从而加速学习者在听力过程中对输入的新信息进行解码、重组和储存。     

基于DirectX的弹头进动3D视景及微多普勒特征仿真软件的实现

利用VC++6.0,基于短时傅里叶变换对弹头回波进行时频分析,得到弹头回波微动信息,利用兼容位图将回波微动信息进行可视化显示,采用DirectX三维显示技术,开发出弹头进动微多普勒特征分析及相应的弹头运动形态三维视景仿真软件。软件可提供弹头目标在不同雷达载频、自旋频率、锥旋频率、进动角等参数下的弹头理论微多普勒曲线,以及对回波时频分析得出的微多普勒曲线,实现了弹头目标三维视景与弹头微多普勒曲线的同步实时显示。软件运行表明:该软件运行流畅、理论推导结果与通过时频分析进行仿真验证的结果一致,软件对操作人员的响应迅速,三维视景显示与微动显示相一致。     

动态场景中自适应去除外点的全局运动估计方法

为在动态场景图像序列中准确地完成全局运动估计,提出一种自适应去除外点的全局运动估计方法。对尺度不变特征变换(Scale invariant feature transform,SIFT)算法提取出的特征点利用最近邻搜索算法中的BBF(Best Bin First)方法进行匹配。为提高全局运动估计的精度,提出改进的随机抽样一致(RANdom SAmple Consensus,RANSAC)算法。此算法能够自适应地去除外点,即利用特征点运动矢量的方差控制迭代次数来进行外点的去除,最终通过摄像机运动模型实现准确的运动参数估计和背景补偿。对标准图像序列Coastguard和实际拍摄的动态场景图像序列的实验表明,提出的方法能够快速地完成动态场景中的全局运动估计与补偿,具有较高的精度和适应性。     

人类生存困境的隐喻与象征——《送冰的人来了》中主题及象征意义

美国现代戏剧家尤金.奥尼尔在《送冰的人来了》中运用各种意象,描绘了20世纪美国社会底层人民精神生活的困境,从而展现出美国物质生活与精神生活的严重失衡。本文从象征意义的角度对剧名、角色和场景进行分析,得出这部戏剧就是人类生存困境的隐喻和象征。     

基于局部感知的点云语义分割方法

点云语义分割技术是点云数据处理、三维场景理解与分析的有效手段之一。针对点云场景中局部形态各异,导致网络模型识别特征困难的问题,提出了邻域分布关系学习和混合尺度融合的方法,来增强局部感知能力。在卷积算子思想的基础上,根据邻域内所有点在三个坐标轴方向上的联合分布,学习其在高维特征层面的关系,从而捕获局部的整体相关性。此外,将包含小范围底层特征和大范围深层特征的邻域进行整体融合,有效保留不同层级的特征,并能够辅助网络修正相似或错误特征。在场景分割数据集S3DIS、ScanNet上进行实验验证,结果表明该方法在总体精度和类均精度的评价指标上均有提升,证明了其有效性。