低秩重检测的多特征时空上下文的视觉跟踪

时空上下文跟踪算法充分地利用空间上下文中包含的结构信息能够有效地对目标进行跟踪,实时性优良.但该算法仅利用单一的灰度信息,使得目标的表观表达缺乏判别性,而且该方法在由于遮挡等问题造成的跟踪漂移后无法进行初始化.针对时空上下文算法存在的弱点,提出了一种基于低秩重检测的多特征时空上下文跟踪方法.首先,利用多特征对时空上下文进行多方面的提取,构建复合时空上下文信息,充分利用目标周围的特征信息,提高目标表观表达的有效性.其次,利用简单、有效的矩阵分解方式将跟踪到的历史跟踪信息进行低秩表达,将其引入有效的在线重检测器中来保持跟踪结构的一致稳定性,解决了跟踪方法在跟踪失败后的重定位问题,在一系列跟踪数据集上的实验结果表明,该算法与原始算法及当前的主流算法相比有更好的跟踪精度与鲁棒性,且满足实时性要求.

人类命运共同体理念对儒家天下观的继承与发展

儒家天下观是中华传统文化的重要组成部分,对中华民族的“共同体”观念以及政治观念的形成起了非常重要的作用。儒家天下观作为人类命运共同体理念的传统文化渊源之一,其中蕴含的“仁爱”“无外”“天下大同”“天人合一”等思想都在人类命运共同体理念中有所体现。儒家天下观自身也存在时代的局限性,其内在的等级性、阶级性与当今国际政治民主化的潮流相背离。人类命运共同体理念汲取了儒家天下观的思想精华,摒弃了其不合时宜的部分,同时又结合新的时代特征对之进行创造性转化和创新性发展。

协同结构稀疏重构的判别性视觉跟踪

基于稀疏表示的表观似然模型在目标跟踪领域具有广泛的应用,但是这种单一产生式目标表观模型并未考虑完整的判别性结构信息,容易受复杂背景的干扰。为了缓解由该问题造成的目标跟踪漂移,提出了一种目标表观字典和背景字典协同结构稀疏重构优化的视觉跟踪方法。通过构建一个有判别力的基于稀疏表示的表观似然模型,实现了对目标表观模型更为准确的描述。通过合理选择约束候选目标区域和候选背景区域的稀疏系数,在表观似然模型中引入判别式信息,以进一步揭示候选目标区域的潜在相关性和候选背景区域的结构关系,从而更加准确地学习候选目标区域的表观模型。大量有挑战性的视频序列上的实验结果验证了算法在复杂背景下跟踪的鲁棒性,与其他相关算法的对比实验也体现了该算法的优越性。

在高中数学教学中微课的应用

开展教育教学活动的目的在于让学生获取知识的养分, 充实理论基础, 强化专业素质.高中数学所包含的知识点相对广泛,对学生的逻辑思维要求较高, 且具有一定的难度.当下, 部分学生在主观意识上抵触数学学科,有较大的心理障碍, 甚至出现厌学情绪, 这极大地影响了学生的综合成绩.基于此, 在新课程改革的大环境下,高中数学教师应当创新教学手段, 积极高效地运用微课形式, 充分发挥其优越性, 进而调动学生的积极性和兴趣, 提高数学教学效果.

深度相对度量学习的视觉跟踪

传统的基于检测的跟踪方法虽然具有较好的鲁棒性,但是这种直接将目标与背景简单分类的方式不能合理地考虑跟踪目标与背景的结构相对关系,而这种相对结构判别性信息的缺乏使得跟踪算法极易发生跟踪漂移,为了缓解这种问题,本文提出了一个基于深度相对度量学习的视觉跟踪方法.利用一个对称且权值共享的深度卷积神经网络构建深度相对度量学习模型,通过这个模型来挖掘跟踪目标在大尺度的图像块里的结构相对关系,然后在Bayes跟踪框架下利用这种相对度量最大值确定跟踪目标,整个跟踪算法简洁有效.通过在跟踪的基准视频序列库上的实验结果验证了本文算法在跟踪精度和跟踪成功率上的高性能.