基于可变形部件模型HOG特征的人形目标检测

使用单幅图像进行特定目标的检测是机器视觉领域的重要任务之一。利用机器学习的方法,使用LSVM分类器进行人形目标的检测。该方法提取图像的HOG(梯度方向直方图)特征和其对应的可变形部件来描述目标的外形特征,能够较好地解决目标由于运动而产生外形变化的问题。对常见公共区域场景进行数据采集并随机抽取了200张图像,使用所述方法对其中共1 100个人形目标进行检测,正确率识别率为78.3%。结果表明该方法具有一定的可行性和稳定性,能够较好检测出单幅图像中的人形目标并加以标注。但对于某种程度有所遮蔽的人形目标则会产生漏检的现象。

女子1000m速度滑冰竞赛速度曲线特征研究

目的:通过对部分女子1000m速滑运动员的关键或近期的世界级比赛进行运动学数据获取和几何模型建立,以期更准确地评价比赛中运动员的速度特征。方法:选取鲍维(Bowe)等十位世界优秀女子1000m速滑运动员的关键或近期比赛视频录像,使用Dart Fish的视频分析(精度0.1s)和同步计时软件(精度0.01s)获得滑行各阶段的运动学数据,构建几何模型,编辑数据并进行差异性和相关性分析。结果呈现为描述速度的几何曲线和各分段间速度与成绩的相关性。结论:速度拟合曲线能够很好地描述世界优秀女子速度滑冰1000m运动员比赛中的速度情况并评估运动状态。世界优秀女子速度滑冰1000m运动员在比赛中第2、12、13、18、19、20段的平均速度水平、相对平稳滑行阶段的最小速度和最大速度是影响比赛成绩的关键因素,且最小速度更为重要。