简介:移动机器人的目标检测要求其对特定的静止或运动物体进行运动分析及检测。以Voyager-III移动机器人系统为研究对象,实现非理想光照下,对橘红色目标足球的运动检测。提出在传统三帧差分法基础上,先利用Markowitz投资组合模型进行足球目标的特征提取,将场地非感兴趣的目标中,出现全部像素值发生变化的目标去除,再进行图像帧间差分。利用CCD摄像机对比赛环境中足球的运动轨迹进行录制,选取具有代表性的各帧视频图像、Markowitz算法优化后的差分图像和跟踪图像,结果表明跟踪图像不含非目标物的干扰,克服了差分图像存在空洞的问题,为移动机器人提供了一种实用的运动目标检测方法。
简介:摘要:目标检测(Object Detection)是计算机视觉领域的基本任务之一,学术界已有较长时间深入地研究历史。近些年随着深度学习技术的火热发展,目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。本文广泛调研国内外目标检测方法,主要介绍一阶段目标检测算法——YOLO(You Only Look Once)系列的发展历程。
简介:人类社会已经进入"数据驱动学校,分析变革教育"的大数据时代,大数据的推广与使用必将变革传统教育的面貌,而学习分析则是助推这场变革中的核心力量。目前,学习分析技术在教育领域的应用正处于起步阶段,许多研究者从不同的角度为学习分析技术在教育领域应用提供新思路,并尝试构建了不同的学习分析模型。由于现有学习分析模型的侧重点不同,且未能呈现出明确的分析目标,为此该文构建目标导向的学习分析系统模型,旨在通过从诊断评估、学习预测、教育研究三种应用目标的确立,为学习分析技术在教育领域中的应用提供新的明确思路。目标导向学习分析模型可以概括为"一个目标、两类约束、三种受众、四个环节"。目标的确定是学习分析得以开展的关键前提;两类约束包含影响学生学习效果的内在约束和外在环境约束;教师、学生、教育管理者是学习分析系统中的主要受益者;数据收集与存储、数据处理与分析、分析结果与呈现以及结果的应用与服务是学习分析的主要流程。
简介:对运动车辆抖动以及摄像头平移运动引起的一些干扰问题进行了研究,提出了在求和绝对误差(SumofAbsoluteDifference,SAD)算法的基础上运用光流法,以此来消除平移运动及抖动产生的视频干扰信号,从而获得稳定的视频流,实现在运动车辆上用摄像头对动态目标的准确检测。结果表明,该方法能够有效地检测出运动目标,并且满足实时性。