简介:对含有动、静态背景的稳定图像处理时,对比了主成分追踪鲁棒主成分分析法(RPCA)、贝叶斯鲁棒主成分分析法(BayesianRPCA)和高斯混合模型的鲁棒主成分分析法(MoG-RPCA),3种方法对静态背景下的前景提取都较为完整.而动态背景下只有BayesianRPCA和MoG-RPCA提取出了完整的前景目标,但是BayesianRPCA计算速度很慢,且不能够处理复杂噪声.所以MoG-RPCA模型更具有对复杂噪声的适应性,动、静态背景情况下均提取出精度较高的前景目标,且具有较快的计算速度.当图像不稳定时,采用改进的MoG-RPCA模型对非稳定拍摄的抖动视频进行前景目标提取,并在第197帧抖动图像中清晰地提取出显著前景目标,且运算速度较快.在为了快速找到目标出现的帧时,对高斯混合模型背景差分法进行改进,利用K-means聚类算法快速得到聚类中心点,然后作为高斯混合模型背景更新时的初始化均值参数,从而提高在复杂场景下前景目标的检测精度.对于多角度追踪任务,不同角度、近似同一地点的多个监控视频图像中前景目标的提取,可采用跨摄像头视角跟踪结果融合的方法,然后对目标进行匹配.
简介:针对甲酸乙酯(H(CO)OCH2CH3)与羟基自由基(OH)的反应动力学展开了理论与实验研究.在理论方面,首先通过量化计算得到了在M06-2x/ma-TZVP水平下准确的反应势能面,随后利用多结构-扭转(multi-stucturetorsionMS-T)方法对转动非谐效应进行了研究,获得了非谐校正系数,最后基于传统过渡态理论并考虑Eckart隧穿效应获得了200~2000K温度范围的反应速率常数.在实验方面,开展了激波管实验来测定H(CO)OCH2CH3与OH的反应速率常数,基于激光吸收光谱技术探测OH自由基306.7nm的吸收线,并对反射激波后高温反应过程的OH浓度变化进行测量,从而获得了900~1321K温度范围的反应速率常数,并论证了理论计算结果的合理性与准确性.
简介:针对当前行人运动特征监测方案中存在运动信息种类单一、特征提取不完善、识别算法复杂且需要依赖专业检测设备等问题,提出基于智能移动端内置惯性传感器的行人运动特征自动辨识方案,为运动特征识别提供准确多样的运动信息。采集移动端MEMS加速度计输出信息后,分别提取加速度数据的三种时域及频域特征后,通过训练最邻近规则分类器实现行人行走、跑步和上下楼梯运动模式的自动识别。不同年龄不同身高的男女性运动特征提取实验结果表明,基于最邻近规则的移动端行人运动特征辨识方法对4种日常活动的平均查准率和查全率分别达到88.7%和90.3%,对提高微惯性行人导航系统普适性具有促进作用。
简介:采用密度泛函理论方法(DFT)计算讨论了系列含苯咔唑基的碳硼烷衍生物的电子结构及其二阶非线性光学(NLO)性质.结果表明,化合物中共轭桥的长度对其偶极矩和极化率影响较小,而对其第一超极化率影响较大.随着分子共轭桥的增长,其二阶NLO响应逐渐增大.用氟取代碳硼烷的氢对邻位碳硼烷体系影响较大,氟代邻位碳硼烷体系的偶极矩、极化率和第一超极化率都有显著提升,其中氟代邻位碳硼烷分子的第一超极化率是未取代分子的8倍,因此氟代邻位碳硼烷可以有效地调节分子的二阶NLO响应.
简介:多路径误差是北斗导航定位系统高精度动态监测的主要误差源。针对北斗导航定位系统多路径误差的特性,结合广义特征值盲源分离方法的优势,提出一种基于参考信号的广义特征值盲源分离算法来削弱多路径效应的影响。首先将前一天的原始坐标残差序列通过奇异谱分析方法进行去噪,其结果作为初始参考信号;然后将当天的原始坐标残差序列进行经验模式分解方法分解,分解得到的IMF分量作为虚拟观测数据,利用广义特征值盲源分离算法获取当天多路径误差信号;最后,利用仿真数据和连续10天的实际观测数据进行试验分析,结果表明利用该方法建立的多路径误差改正模型能有效地了削弱多路径的影响,北、东、天三个方向精度分别提高了78.8%、35.3%、90.1%。提出的模型在一定程度上解决了固定多路径模型随着时间推移重复性减小且有效性降低的问题。
简介:数学课堂教学的主要目标是使学生获取知识、形成技能、训练思维,而课堂提问是实现这一目标的重要手段.提问对于巩固学生知识、启发学生思维,开发学生潜能,培养学生素质都有重要的作用.课堂教学是一个动态的师生交流的过程.在这个过程中教学的时机与学生的兴奋点稍纵即逝,需要教师善于捕捉、及时引导,把握好发问的时机.超前的提问,学生不知所措,因无法求答而失去兴趣;滞后的提问,学生毫不费力就得到问题的答案,因缺少思维含量而单调乏味.“不愤不启,不悱不发”,教师要善于捕捉学生的“愤悱”之处,不失时机的用问题开启学生的思维之门.下面,以“正比例函数(第1课时)”为例,浅谈对数学课堂提问设计.
简介:研究一类失效状态为吸收状态及重试率为常数的M^[X]/M/1排队模型的主算子在左半实轴上的特征值,证明:当顾客的到达率λ,服务员的服务率v,服务员的服务完成率b,顾客的重试率α满足一定的条件时,-α是该主算子的几何重数为1的特征值.