足球比赛场景中交互行为分析方法研究

目前的视频处理研究主要关注足球视频的基础方面的问题, 而在视频语义方面的工作尚不完善。 为此, 对足球比赛视频中存在的交互行为进行分析, 研究了足球比赛视频语义理解的关键问题, 为实现从一般比赛场景去理解和分析比赛进行了有益的探索。 首先进行场景分析, 利用主颜色提取视频中场地区域并标定场地线; 其次, 检测场景中的球员并判定其队属, 同时利用 Kalman 滤波实现对足球目标的跟踪; 最后, 判定球队的进攻方向的目的语义, 同时获取足球真实轨迹, 进行轨迹分割, 识别球员与足球的交互行为, 并在此基础上结合足球领域的知识进行进攻策略的分析。 实验结果表明, 该算法能很好地解决视频分析各阶段的问题, 能有效分析视频中存在的交互行为, 并从足球领域的角度实现进攻策略分析,进攻模式识别结果查准率达到 71% 以上, 查全率达到 85% 以上, 有益于计算机视觉的应用研究和足球视频科学分析。     

基于Web3D技术的教学方法探讨

本文探讨了Web3D技术的发展历程,列举了其在教育教学方面的应用,并利用相关技术开发了一个图学教具网络交互浏览系统。实例证明,基于Web3D的多媒体教学能较大程度地改进工程图学等学科的传统教学方式。     

ATML技术及其相关标准综述

自动测试标记语言（ATML）是未来自动测试系统发展的趋势之一,它能在不同的自动测试系统间实现测试信息交互。本文主要介绍了ATML的定义、主要特点和发展历程,并对ATML的相关标准进行了总结。     

从《一九四二》看小说与电影的互溶与共生

电影《一九四二》运用形象直观的镜头语言从多个视角为我们呈现了小说《温故一九四二》中描述的历史情境,凸显了人性的美与丑,带给观众直接、震撼的情感体验,另一方面,由于电影表现方式受时空限制而弱化了文字语言特有的内涵。电影和小说在叙事方式上各有侧重,在主题层面又彼此相互辉映,使得受众对一九四二年历史的理解更加丰富和深刻。     

企业信息化环境下人-信息系统交互效率

针对制造业人-信息系统(H-IS)交互效率不高的问题,提出从任务-人-信息系统匹配的角度来优化交互效率,构建了人、任务、信息系统和交互环境匹配优度的概念模型.分析了任务与人、任务与信息系统、人与信息系统匹配对交互效率的影响机理,分析结果表明:任务与人的匹配、人与信息系统的匹配通过认知负荷、心理负荷影响人的认知效率和信息加工效率,进而影响人的自我效能感、焦虑程度和操作错误数;任务与信息系统的匹配通过员工的焦虑和信息系统功能的合理性要求影响人的情绪,进而影响人的觉醒水平和认知效率,最终影响人-信息系统交互效率.     

税收优惠对企业创新的影响 ——基于微观调查数据的实证分析

以实地调研数据为样本,运用OLogit模型检验税收优惠对企业创新行为的影响,并考察其与财政补助的交互效应.结果发现:税收优惠的享受与否对企业创新投入具有重要影响,当企业受到税收优惠支持时,企业平均研发创新强度会显著提高.与财政补助的交互效应显示,财政补助也有助于提高企业创新强度,但与税收优惠的创新激励效应存在替代效应....     

基于Unity3D的水下机器人半实物仿真系统

基于Unity3D研制了一种由地面控制终端、机器人本体和三维仿真系统3部分组成的水下机器人半实物仿真系统,为水下机器人开发过程中的性能测试、控制算法分析和人员操作培训提供了仿真和测试平台。该系统采用同一地面控制终端作为三维仿真系统和机器人控制系统的统一指令输入源,以实现虚拟对象和机器人本体的同步工作,可对系统进行实时监测、调参。采用多目视觉技术对机器人位置采集,对传感器数据进行卡尔曼滤波处理。机器人运动仿真试验结果表明,机器人实际运动路径和仿真规划路径基本相同,该系统动态响应性和控制系统同步性较好。     

基于人车路协同的智能交通出行信息服务系统

近年来,智能交通信息服务受到广泛的关注,针对数据实时性和准确性差、信息交互共享难问题,设计了一种人车路协同的智能交通出行信息服务系统,形成人车路智能协同的工作环境。为解决智能交通结构化多源信息融合,提出了一种由卡尔曼(Kalman)滤波和D-S(Dempster/Shafer)证据理论两种信息融合模型——KD-SF模型,发现采用KD-SF模型信息融合结果与GPS车载采集实际测试数据近似相同,信息融合更精确。通过系统应用验证表明,人车路协同系统与交通服务信息融合后,在高峰时段公交线路平均运行车速明显提升,乘客平均候车时间明显缩短,提高城市公共交通运行效率。     

基于注意力机制的分层次交互融合多模态情感分析

针对基于视频的多模态情感分析中,通常在同一语义层次采用同一种注意力机制进行特征捕捉,而未能考虑模态间交互融合对情感分类的差异性,从而导致模态间融合特征提取不充分的问题,提出一种基于注意力机制的分层次交互融合多模态情感分析模型(hierarchical interactive fusion network based on attention mechanism, HFN-AM),采用双向门控循环单元捕获各模态内部的时间序列信息,使用基于门控的注意力机制和改进的自注意机制交互融合策略分别提取属于句子级和篇章级层次的不同特征,并进一步通过自适应权重分配模块判定各模态的情感贡献度,通过全连接层和Softmax层获得最终分类结果。在公开的CMU-MOSI和CMU-MOSEI数据集上的实验结果表明,所给出的分析模型在2个数据集上有效改善了情感分类的准确率和F1值。