动静态特征融合的正面视角步态识别

针对正面步态识别中遇到背景颜色与人的穿着相接近或者人体下肢有阴影等情况,提出一种改进的背景减差法,利用髋关节将人体分为上下两个部分,采用分部阈值进行背景减差,提取人体二值化轮廓。对于周期检测,首先利用髋关节思想找到P点,然后利用P点找到人体左右脚最低点,并根据两脚间高低距离差所产生的角度计算步态周期并将其用于描述步态序列的动态特征;获得关键帧,并且进行归一化,分别提取它们的统一Hu矩和步态周期,用于描述步态序列的静态特征;将这两种特征进行融合,弥补了单一特征带来的识别率低的问题。最后,采用支持向量机(SVM)进行分类识别。本文的识别实验均在中科院步态数据库(CASIA)上进行训练,识别率达到97%以上。结果证明,该算法具有较好的识别速度和识别率。

中型组足球机器人的非正面视角步态辨识方法设计

研究了运动学中人体步态的特点,以实现中型组足球机器人在非正面视角时辨识人的步态。选取有效表征步态的特征量,用阈值法和帧差法判定特征量的状态,形成了解决该问题的基本方法。由Kinect获取人体骨骼点的三维信息,通过其生成的人体骨骼模型测得了机器人的视野范围。通过对人体步态处于非正面视角下的状况的分析,提出了一种基于Kinect的在非正面视角时的识别方法,且能够给出人体所处的方位角。实验验证了该方法的实用性和有效性,结果表明,该方法在多个非正面视角下都具有较高的识别率。该研究可为将来的人机足球对抗赛提供技术储备。

正面视角的步态识别

现有的步态识别算法研究几乎全都是基于侧面步态的.提出一种基于正面视角的步态识别方法.首先归一化RGB颜色空间被用来检测和去除阴影,并用背景减除法提取二值化人体轮廓.提出一种专门适用于正面步态的周期检测方法,提取周期关键帧后跟踪轮廓线,并用改进的等角度采样法进行采样以减少计算量.简单高效的傅里叶描述子被用来提取特征向量,进行数据降维后构造步态模板.用最近邻和最近邻标本分类器分别进行分类.在CASIA数据库上的实验表明,该算法不仅具有较低的计算量而且表现出较好的识别性能.

多种视角下的网络语言透析

网络语言是社会发展变化的产物,它应时代而生,其存在有合理性的一面。同时,我们也要看到网络语言的负面影响,其弊端也是不可忽视的。对待网络语言,我们应该取其精华,去其糟粕,充分发扬网络语言的示范效用。同时,应该加强对网络语言的规范使用,制订出适当的网络语言政策,发挥网络语言的正能量。

用正面的视角看世界

如果你经常挑剔别人的缺点，可能会给你一种优越感，但是，体也只不过是告诉自己，这个世界和世界上的人不够好而已。