可重配置通用图像识别跟踪处理机研究

为满足战场适应性和通用性的需要,根据各种精密武器系统中图像跟踪信号处理机的共性,设计了通用图像跟踪信号处理机.由可重配置的大容量FPGA实现低层信号处理,由可编程的TMS320C6201DSP完成高层数据处理,实现各种复杂的目标检测和跟踪算法;采用对FPGA和DSP的在线可重配置电路,实现系统的战场配置,使系统具有广泛的通用性和良好的战场适应性.最后给出了在弱小目标红外成像跟踪系统中的应用实例.

课件录播系统的图像识别跟踪技术

本文介绍课件录播系统的图像识别跟踪技术原理,并通过与其它常用跟踪技术的比较,使大家认识图像识别跟踪技术的应用优势和在应用中的注意事项,以供选购参考。

Ncam图像识别跟踪系统结合UE4在节目制作中的应用

阐述Ncam图像识别跟踪系统、虚幻系统UE4的特性及优势,并以电视节目制作实例说明了Ncam图像识别跟踪系统和UE4的结合应用产生不同的节目形态。

高校思想政治理论课堂注意力与教学模式改革的有效性研究——基于图像识别跟踪技术的Cox回归生存分析

本研究利用图像识别跟踪技术,对学生的注意力(n=1676)进行测量,并使用Cox回归模型进行生存分析,旨在回答运用新媒体教学时所面临的三个主要问题:第一,什么因素会影响实际的高校思政课教学效果;第二,不同教学方案在实际教学运用上的差异;第三,如何控制教学方法中的"度"。结果发现:第一,教学过程中增加"课外知识"(提升23.67%)比"视频播放"(提升14.78%)的教学效果更好;第二,传授课外知识时,"口头教学"比"视频播放"的效果更好(使用后者会降低12.75%);第三,无论使用哪种教学方法,某一知识点超过一定时间长度(3分半钟),课堂学生注意力会急剧下降;第四,减轻课堂考试压力并不能让学生对课堂教学更感兴趣,反而会降低学生课堂注意力(降低9.42%)。鉴于此,本文认为改善高校思政课堂"注意力"的方法应当从丰富教学内容入手,而非单纯地依赖新媒体平台的使用。同时,采用"3分钟一个知识点"的教学方式,能有效地改善目前高校思政课堂中学生的注意力问题。

基于AR系统实现三维物体目标跟踪

增强现实(AR)是用户与现实世界环境进行交互的一种体验方式,是近年来新兴的热门研究领域。目前使用AR最多的是在移动设备上,但由于移动设备本身硬件的短板,现今的AR应用没有太过复杂的使用方式,大部分都是基于图像识别跟踪然后在其上渲染显示预先设定好的内容。本文主要基于现有的AR系统,以图像识别跟踪技术为基础,在移动设备上对真实三维物体进行跟踪识别并渲染其对应的虚拟三维模型,用户可以进行实时交互,拓展了AR在移动设备上的应用领域。

基于移动互联网的超市导购系统设计

针对目前国内超市商家竞争日益激烈,传统超市体系难以全面满足不同消费者的消费需求,超市的管理系统复杂,流程繁琐等现状,文中提出了基于移动互联网的超市导购概念,并利用互联网技术成功将其实现。通过这种面向广大消费群体的超市智能导购系统,采用O2O电子商务模式,把线上消费者带到现实的超市中,并通过线上App向顾客推送商品打折信息、显示商品评论信息、实现商品预订、在线支付等功能;线下则通过智能购物车实现快速检索、定位商品所在货柜、实时付款等功能,解决了人们在超市购物时遇到的排队难、找商品难等问题,从而为商家节省了人力物力,为顾客创造了一个舒适、便利、多维度的购物环境,增强和延伸了顾客的用户体验。

基于ARM的远程视频监控系统设计

着眼视频监控网络化发展需求,开发了一种基于ARM的远程视频监控系统;系统的硬件以ARM S3C2440嵌入式芯片为核心,设计了硬件系统的电源、以太网接口、JTAG接口、数据存储等主要模块的电路结构;系统的软件以Linux为操作系统,利用Vide-o4Linux完成视频图像的采集,采用JPEG图像压缩技术实现视频的压缩处理,并用实时传输协议RTP实现对视频图像的封装和网络传输、控制;测试结果表明,该视频监控系统硬件结构小、功耗低、占用资源少,启动时间仅需20ms,网络实时视频图像传输速率达到25～30fps,实现了远程视频图像的实时网络化传输,具有一定的实用价值。

Tracking Target Identification Model Based on Multiple Algorithms

In view of current situation of bad data synchronization, image blurring and tracking station stability in tracking target identification, a kind of tracking target identification model based on multiple algorithms was put forward, firstly establishing the image degradation model, using the wavelet algorithm for image preprocessing, doing image edge segmentation by using Robert algorithm after pretreatment, then using the maximum variance threshold method for image threshold segmentation, then extracting target features from the segmented image, and finally using the ABS algorithm to finish target tracking. Experiments proved the proposed model practical and effective.