矩形框
- 基于Inception-ConCat-GraspNet神經(jīng)網(wǎng)絡(luò)的二維機(jī)器人抓取算法設(shè)計(jì)與實(shí)現(xiàn)
彥等[1]采用矩形框表示物體抓取位置來替代之前的點(diǎn)抓取法，而采用這種矩形框表達(dá)的抓取方法是機(jī)器人抓取的新應(yīng)用，可達(dá)到比較理想的效果。隨著深度神經(jīng)網(wǎng)絡(luò)的發(fā)展，神經(jīng)網(wǎng)絡(luò)的應(yīng)用似乎無處不在，在2019年，曹雛清等[2]也設(shè)計(jì)了一種新的深度神經(jīng)網(wǎng)絡(luò)算法，該算法完成機(jī)器人對(duì)物體的判斷和針對(duì)判斷而形成的位置。隨著不同的神經(jīng)網(wǎng)絡(luò)方法在機(jī)器人抓取問題的嘗試，卷積神經(jīng)網(wǎng)絡(luò)也被設(shè)計(jì)出來解決機(jī)器人物體抓取的問題，而李傳浩[3]、王斌[4]、黃家才等[5]、李秀智等[6]、李鵬飛
信息記錄材料 2022年11期2023-01-07
- 精沖零件實(shí)時(shí)分揀技術(shù)研究
首先用最小外接矩形框住進(jìn)入視野的目標(biāo)，然后設(shè)置兩個(gè)條件語句。條件一，矩形短邊的長度超過一個(gè)閾值；條件二，矩形中心點(diǎn)跨過“絆線”(圖1 中綠色豎線)。若條件一，二均為真，則認(rèn)為該目標(biāo)完全進(jìn)入視野，沒有處于視野之外的部分，并且提取矩形框中的圖形作為ROI，流程圖如圖2 所示。目標(biāo)進(jìn)入視野時(shí)的情況如圖1 所示，時(shí)刻1 中，右側(cè)零件滿足條件一、二，矩形框為綠色表示已標(biāo)記，標(biāo)記為01 號(hào)零件；左側(cè)零件不滿足條件一、二，矩形框為藍(lán)色表示未標(biāo)記，不進(jìn)行標(biāo)記編號(hào)。時(shí)刻2
鍛造與沖壓 2022年20期2022-11-08
- 數(shù)字電表圖像的檢測與識(shí)別
圖像中識(shí)別出的矩形框進(jìn)行篩選和修正，解決首末位數(shù)字的檢測問題。再通過修正后的矩形框信息對(duì)數(shù)字進(jìn)行切割，并送入數(shù)字識(shí)別部分。圖2 數(shù)字檢測部分算法流程2.1 ROI 提取通過攝像頭拍攝獲取彩色的電表圖像，由得到的樣本圖像可知，圖像獲取視窗基本涵蓋全部電子屏幕，讀數(shù)位于屏幕右側(cè)，屏幕區(qū)域邊框明顯，亮度與背景有明顯區(qū)別。圖3 為所選取的幾幅有代表性的電表圖像。圖3 老式電表樣本圖片為實(shí)現(xiàn)對(duì)數(shù)字的準(zhǔn)確切割，將電表屏幕作為感興趣區(qū)域（Region of Intere
現(xiàn)代電子技術(shù) 2022年16期2022-08-15
- 車輛行駛中的前方車輛檢測方法研究
oost檢測的矩形框內(nèi)如果有紅色像素點(diǎn)，則認(rèn)為是車輛；如果AdaBoost檢測的矩形框內(nèi)沒有紅色像素點(diǎn)，則認(rèn)為此矩形框內(nèi)沒有車輛，這個(gè)框是AdaBoost的誤檢，給與排除。2.3.5 合并矩形框訓(xùn)練好的分類器就可以用來檢測目標(biāo)了，并利用基于車輛尾燈存在紅色區(qū)域的特征來排除誤檢，但在檢測的過程中會(huì)出現(xiàn)矩形框重疊的現(xiàn)象，為了解決這一問題，需要做矩形框的合并。合并后的矩形框是包含了原來兩個(gè)矩形的最小外接矩形框。2.4 實(shí)驗(yàn)結(jié)果與分析比較上面基于陰影特征的車輛檢測
電子技術(shù)與軟件工程 2022年5期2022-07-07
- 一種直升機(jī)避障電力線檢測方法*
別算法，利用正矩形框的坐標(biāo)對(duì)其位置進(jìn)行描述。然而，電力線是一類形狀細(xì)長、特征稀疏、隨著視角的變化容易混在大量背景信息中的特殊障礙物，常規(guī)電力線檢測識(shí)別算法得到的目標(biāo)框?qū)﹄娏€所在位置的估計(jì)不夠準(zhǔn)確，而電力線位置估計(jì)的準(zhǔn)確程度直接影響飛機(jī)成功避開障礙物的概率。因此，本文通過估計(jì)電力線相對(duì)角度，提煉電力線位置范圍來提高電力線的位置準(zhǔn)確度。電力線的絕對(duì)角度估計(jì)是一類回歸問題。角度的回歸需要結(jié)合角度標(biāo)簽并設(shè)計(jì)相應(yīng)的分支對(duì)其進(jìn)行估計(jì)，計(jì)算量大，實(shí)時(shí)性不高，且電力線目
電訊技術(shù) 2022年3期2022-03-27
- 基于改進(jìn)RetinaNet的電力設(shè)備紅外目標(biāo)精細(xì)化檢測模型
況時(shí)，基于水平矩形框的目標(biāo)檢測網(wǎng)絡(luò)只能給出目標(biāo)概略位置，易發(fā)生目標(biāo)檢測區(qū)域重疊，引入冗余背景信息，使得檢測結(jié)果不夠精細(xì)。針對(duì)此問題，提出在RetinaNet目標(biāo)檢測網(wǎng)絡(luò)中引入旋轉(zhuǎn)矩形框機(jī)制，并在網(wǎng)絡(luò)輸入端引入Mosaic數(shù)據(jù)增強(qiáng)技術(shù)；將原特征提取網(wǎng)絡(luò)中ReLU函數(shù)替換為梯度流更平滑的Mish激活函數(shù)；在原模型FPN模塊后追加PAN模塊進(jìn)一步融合圖像特征。最后利用現(xiàn)場采集的電力設(shè)備紅外圖像制作數(shù)據(jù)集，將改進(jìn)后的模型與Faster R-CNN、YOLOv3、原
紅外技術(shù) 2021年11期2021-11-27
- 一種綠色環(huán)保的室內(nèi)裝修地磚鋪設(shè)技術(shù)
的表面滑動(dòng)套有矩形框，矩形框遠(yuǎn)離連接塊的一端固定連接有固定塊，固定塊的內(nèi)部螺紋插設(shè)有螺桿，螺桿的表面活動(dòng)連接有夾板，固定塊的內(nèi)部滑動(dòng)插設(shè)有限位桿，限位桿的表面和夾板固定連接。連接塊的內(nèi)部滑動(dòng)插設(shè)有插桿，圓環(huán)的表面開設(shè)有圓孔，圓孔的尺寸和插桿的尺寸相適配。固定板的表面開設(shè)有通孔，矩形框的內(nèi)部螺紋插設(shè)有插條，插條的尺寸和通孔的尺寸相適配。夾板的數(shù)量為四個(gè)，四個(gè)夾板每兩個(gè)為一組，夾板的表面固定連接有硅膠墊。工作臺(tái)的表面設(shè)有按壓結(jié)構(gòu)，按壓結(jié)構(gòu)包括滑框，滑框的表面和
科教創(chuàng)新與實(shí)踐 2021年35期2021-11-14
- 基于改進(jìn)YOLOv4算法的零件識(shí)別與定位*
凸包和最小外接矩形框代替原有預(yù)測邊界框；最后，在制作的零件數(shù)據(jù)集上進(jìn)行基于改進(jìn)YOLOv4的零件識(shí)別與定位實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，該基于改進(jìn)YOLOv4算法的零件識(shí)別與定位方法提高了收斂速度和識(shí)別精度，可提供精準(zhǔn)的零件凸包和最小外接矩形框，以及最小外接矩形框四個(gè)角點(diǎn)的坐標(biāo)，可為工業(yè)智能制造中諸如分揀機(jī)器人的抓取檢測等工序提供更精準(zhǔn)的定位依據(jù)。1 YOLOv4目標(biāo)檢測算法2020年4月， Redmon J等接棒YOLOv3[14]，在原有基礎(chǔ)上，通過排列組合各種
組合機(jī)床與自動(dòng)化加工技術(shù) 2021年10期2021-11-03
- 基于OpenCV形態(tài)學(xué)的發(fā)票定位研究*
進(jìn)行定位：發(fā)票矩形框和發(fā)票打印字符。其中利用發(fā)票矩形框定位可以充分利用發(fā)票表格框線規(guī)整的特點(diǎn)來進(jìn)行表格框線檢測并輸出坐標(biāo)進(jìn)行定位。劉長松［1］，白偉［2］等提出，以增值稅發(fā)票矩形框作為定位基準(zhǔn)，利用矩形框兩條平行的橫線和豎線，通過投影法確定它的四個(gè)頂點(diǎn)來實(shí)現(xiàn)矩形框的定位。對(duì)發(fā)票進(jìn)行版面分析，根據(jù)矩形框與各項(xiàng)目區(qū)域相對(duì)位置固定的特點(diǎn)，確定各項(xiàng)目區(qū)域的位置。該方法容易受到印章等因素的影響，若矩形框上有印章，則使用投影法定位速度無法保證并且靠投影波形定位矩形框容
計(jì)算機(jī)與數(shù)字工程 2021年4期2021-10-09
- 基于多特征融合的零件分類與姿態(tài)識(shí)別*
輪廓提取及最小矩形框擬合等步驟將場景中的5類零件從源圖中分割，用以后續(xù)的分類及識(shí)別工作。如圖5所示，針對(duì)以綠色最小矩形框無法直接分割圖像，而零件相距較近時(shí)，以矩形框分割則出現(xiàn)如圖6a所示，將非目標(biāo)零件部分同時(shí)分割至一張圖中的問題，其解決步驟如下：(1)創(chuàng)建與藍(lán)色框同等大小的背景圖像；(2)將綠色最小矩形區(qū)域內(nèi)像素點(diǎn)坐標(biāo)減去藍(lán)色矩形框左上頂點(diǎn)坐標(biāo)構(gòu)成新像素點(diǎn)，同時(shí)將其三通道灰度值賦予新像素點(diǎn)；(3)將新像素點(diǎn)畫入創(chuàng)建的背景圖像中，其分割效果如圖6b所示。圖5
組合機(jī)床與自動(dòng)化加工技術(shù) 2021年7期2021-08-02
- 組織結(jié)構(gòu)圖數(shù)據(jù)聯(lián)動(dòng) 更新巧實(shí)現(xiàn)
合”即可。利用矩形框設(shè)置公式在“單位月支出”工作表中畫一個(gè)矩形，選中該矩形，在公式編輯欄中輸入一個(gè)“=”號(hào)，點(diǎn)擊“1月份支出”工作表的C9單元格，回車后，矩形框中多了一個(gè)數(shù)據(jù)，這個(gè)數(shù)據(jù)是由剛才的公式提供的，相當(dāng)于在矩形框中輸入公式“=‘1月份支出！C9”，因此會(huì)與“1月份支出”工作表的C9單元格“聯(lián)動(dòng)”。將矩形框的邊框設(shè)置為“無”，填充顏色設(shè)置為“無”，移動(dòng)到SmartArt圖的合適位置即可。其他月份支出的添加與上述的操作類似（圖4）。
電腦愛好者 2021年13期2021-07-08
- 基于多傳感器融合的復(fù)雜越野環(huán)境人員識(shí)別方法
的區(qū)域，并通過矩形框的形式給出各個(gè)人員在像素坐標(biāo)系下的具體坐標(biāo)位置，最后通過人員身份判別準(zhǔn)則判定環(huán)境中人員是否存在、數(shù)量和位置等相關(guān)信息。圖1 融合激光雷達(dá)與攝像頭的人員識(shí)別系統(tǒng)2 方法設(shè)計(jì)2.1 改進(jìn)殘差模塊的YOLO v3深度學(xué)習(xí)架構(gòu)為了進(jìn)一步提升YOLO v3深度學(xué)習(xí)網(wǎng)絡(luò)在復(fù)雜環(huán)境背景下對(duì)目標(biāo)物體的識(shí)別性能，結(jié)合當(dāng)前深度學(xué)習(xí)領(lǐng)域的熱點(diǎn)研究成果，本文提出了一種改進(jìn)殘差模塊的YOLO v3深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)，如圖2所示。圖2中，改進(jìn)殘差模塊的YOLO v3
汽車工程學(xué)報(bào) 2021年3期2021-06-16
- 面向多張CAD圖紙的文本信息自動(dòng)提取與實(shí)現(xiàn)
息以不同類型的矩形框來區(qū)分。本文根據(jù)矩形框所具有的屬性特點(diǎn)對(duì)文本信息進(jìn)行分類提取。其中，矩形框的構(gòu)成方式包括多段線和屬性塊兩種。對(duì)于由多段線構(gòu)成的矩形框中的文本信息，利用矩形框的任意2個(gè)對(duì)角坐標(biāo)構(gòu)建窗口選擇集來獲取文本信息，利用容量可動(dòng)態(tài)變化的Vector數(shù)組或Cstring變量來存儲(chǔ)所提取的文本信息。對(duì)于由屬性塊構(gòu)成的矩形框中的文本信息，分2類進(jìn)行提?。寒?dāng)文本信息不屬于屬性塊的組成部分時(shí)（即文本信息不參與屬性塊的構(gòu)建），根據(jù)矩形框的插入點(diǎn)坐標(biāo)和尺寸構(gòu)建窗
工程設(shè)計(jì)學(xué)報(bào) 2021年2期2021-05-14
- 基于距離加權(quán)重疊度估計(jì)與橢圓擬合優(yōu)化的精確目標(biāo)跟蹤算法
以得到最佳旋轉(zhuǎn)矩形框，提升精度，進(jìn)而提升算法整體性能。將本文算法應(yīng)用在基線算法上，并在兩個(gè)通用標(biāo)準(zhǔn)數(shù)據(jù)集上進(jìn)行了對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果驗(yàn)證了本文算法的有效性。1 本文算法本文跟蹤算法主要包括兩個(gè)部分：距離加權(quán)的重疊度估計(jì)和橢圓擬合優(yōu)化輸出。如圖1 所示：前者包含動(dòng)態(tài)錨框生成模塊、特征提取網(wǎng)絡(luò)、特征調(diào)制信息提取器、目標(biāo)定位分類器、距離加權(quán)的錨框質(zhì)量評(píng)價(jià)器（Distance weighted Intersection Over Union Predictor，DI
計(jì)算機(jī)應(yīng)用 2021年4期2021-04-20
- 基于Faster R-CNN深度學(xué)習(xí)的網(wǎng)絡(luò)入侵檢測模型
并生成若干個(gè)以矩形框為劃分框的多個(gè)候選區(qū)域[6]。在基本神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上進(jìn)行卷積和池化操作,將圖像樣本進(jìn)行處理后獲得特征圖,通過特征圖訓(xùn)練,減少了原始圖像樣本訓(xùn)練規(guī)模,提高了訓(xùn)練效率,在輸出多類別情況下,需要經(jīng)過分類器處理。深度卷積神經(jīng)網(wǎng)絡(luò)流程如圖2所示。設(shè)樣本集X=(x1,x2,…,xn),Mj個(gè)樣本特征圖通過第l層的卷積運(yùn)算(1)式中:klj和bl,j分別表示l層特征圖j賦予的權(quán)重及偏置,*為卷積運(yùn)算,其中f(·)的表達(dá)式為(2)卷積操作對(duì)象為n個(gè)樣本
南京理工大學(xué)學(xué)報(bào) 2021年1期2021-03-09
- 基于YOLOv3算法的多行紐扣計(jì)數(shù)
示的單通道計(jì)數(shù)矩形框。圖2 單通道計(jì)數(shù)矩形框Fig.2 Single channel counting rectangle單通道紐扣計(jì)數(shù)的步驟如下。①將采集到的圖像送入YOLOv3網(wǎng)絡(luò),對(duì)紐扣進(jìn)行檢測與定位。②獲取檢測到的紐扣矩形框中心點(diǎn)坐標(biāo)，并判斷其是否位于矩形框內(nèi)。當(dāng)連續(xù)3次以上檢測到紐扣中心坐標(biāo)位于矩形框，置紐扣標(biāo)志位為1；當(dāng)連續(xù)2次及以上未檢測到中心點(diǎn)位于矩形框的紐扣，置該標(biāo)志位為0。③當(dāng)標(biāo)志位為下降沿，即標(biāo)志位由1變?yōu)?時(shí)，紐扣數(shù)目加1?；谲浖?/div>
自動(dòng)化儀表 2020年10期2020-11-13
- 用于機(jī)器人視覺引導(dǎo)的GrabCut算法的改進(jìn)
根據(jù)人工標(biāo)記的矩形框劃分前景和背景，分別計(jì)算圖像中的點(diǎn)到前景和背景的距離以及他們之間像素的距離[5]，把這兩個(gè)距離的線性組合當(dāng)作圖中邊的分割能量權(quán)值，此時(shí)圖的分割問題就轉(zhuǎn)化為求圖中分割邊的能量最小值問題。2.1 算法的自動(dòng)初始化針對(duì)GrabCut算法需要人工標(biāo)記進(jìn)行初始化的問題，本文將ORB特征檢測與GrabCut算法融為一體，把目標(biāo)識(shí)別與圖像分割這兩個(gè)過程結(jié)合起來，利用匹配結(jié)果確定的目標(biāo)區(qū)域?qū)rabCut算法進(jìn)行初始化，以實(shí)現(xiàn)圖像的自動(dòng)分割。目標(biāo)區(qū)域確電子元器件與信息技術(shù) 2020年8期2020-11-12
- 基于邊框及亮度特征的人臉反欺騙研究
身份證、照片等矩形框，并且能在有遮擋、光亮噪聲等情況下均能識(shí)別。②通過實(shí)驗(yàn)對(duì)于一個(gè)固定的場所，給出人臉區(qū)域光亮的特征。③使用手機(jī)框、身份證、照片作為實(shí)驗(yàn)素材，驗(yàn)證融合矩形邊框檢測和光亮特征的人臉非活體檢測算法，分析優(yōu)勢與不足。1 矩形框提取1.1 LSD算法提取線段LSD［6］算法是一種線段檢測算法，具有速度快、精度高（達(dá)到亞像素級(jí)）。LSD 算法運(yùn)用兩個(gè)重要概念gradient（梯度）和level-lines（水平線）。創(chuàng)建單位向量場由每個(gè)像素點(diǎn)計(jì)算得到實(shí)驗(yàn)室研究與探索 2020年9期2020-10-30
- 融合TLD框架的DSST實(shí)時(shí)目標(biāo)跟蹤改進(jìn)算法*
了整幀循環(huán)采樣矩形框，降低了算法的實(shí)時(shí)性。Danelljan等人[12]提出空間約束相關(guān)濾波器SRDCF(learning Spatially Regularized Correlation Filters for visual tracking)，將正則化的權(quán)重系數(shù)加入濾波器，得到更大的檢測區(qū)域，從而改善邊界效應(yīng)中邊緣物體的檢測，提高了目標(biāo)快速運(yùn)動(dòng)時(shí)的跟蹤魯棒性，但目標(biāo)完全遮擋時(shí)容易丟失目標(biāo)。Zhang等人[13]提出的快速壓縮跟蹤算法通過引入樸素貝葉斯計(jì)算機(jī)工程與科學(xué) 2020年9期2020-10-10
- 基于視頻的夜間車輛檢測與跟蹤
中提出一種建立矩形框來標(biāo)記車輛的夜間車流量檢測和跟蹤的方法。首先，對(duì)圖像進(jìn)行閾值化，提取可能為車燈的亮點(diǎn)，建立連通區(qū)域，再利用兩車燈連線的斜率接近于0，兩車燈之間的水平位置，兩車燈的面積應(yīng)該是相近或幾乎相等及兩者之間的距離應(yīng)該小于設(shè)定的閾值進(jìn)行判斷，對(duì)車燈進(jìn)行匹配。之后再適當(dāng)放大匹配車燈的連線的長度，得到車頭寬度。進(jìn)而根據(jù)車頭長寬比關(guān)系，確定其長度，從而得到車頭區(qū)域，通過矩形框保存好車輛信息之后，通過基于鄰域的方法進(jìn)行車流量的統(tǒng)計(jì)跟蹤。1 算法描述車燈作為計(jì)算機(jī)技術(shù)與發(fā)展 2020年5期2020-05-22
- 一種面向結(jié)構(gòu)化文本圖像識(shí)別的深度學(xué)習(xí)模型
塊得到文本區(qū)域矩形框坐標(biāo)，可通過區(qū)域生成網(wǎng)絡(luò)(Region Proposal Network, RPN)[12]等網(wǎng)絡(luò)來實(shí)現(xiàn)。根據(jù)粗定位的矩形坐標(biāo)在全局卷積特征中截取相應(yīng)區(qū)域的特征，并通過可求導(dǎo)的特征對(duì)齊方式縮放至固定尺寸。再由文本區(qū)域精定位與屬性分類模塊獲得精確的文本區(qū)域坐標(biāo)與文本屬性，根據(jù)文本屬性篩選出感興趣的字段區(qū)域。隨后，通過1次特征對(duì)齊得到用于識(shí)別的卷積特征，最后通過序列解碼得到每個(gè)感興趣字段區(qū)域內(nèi)的識(shí)別結(jié)果字符串。至此，依次獲得輸入圖像中圖像文- 基于FCN的多方向自然場景文字檢測方法
一起從而被一個(gè)矩形框檢測的問題。圖3 得分圖的生成圖4 得分圖對(duì)比對(duì)于標(biāo)注的文字框四邊形Q（如圖3（a）黃色框所示），其中di(i=1,2,3,4)是四邊形左上頂點(diǎn)起順時(shí)針順序的頂點(diǎn)。為了縮小Q，首先計(jì)算每個(gè)頂點(diǎn)di的參考長度li，參考長度li，計(jì)算如下：其中L(di,dj)是頂點(diǎn)di與dj的L2 范數(shù)，首先收縮一個(gè)四邊形Q 的兩個(gè)較長的邊。對(duì)于四邊形的兩對(duì)邊，通過比較它們的長度的平均值來確定較長的一對(duì)邊，然后收縮兩個(gè)較短的邊。對(duì)于每個(gè)邊，通過將它的兩個(gè)端計(jì)算機(jī)工程與應(yīng)用 2020年2期2020-01-17
- 多模態(tài)卷積神經(jīng)網(wǎng)絡(luò)的物體抓取檢測
檢測機(jī)器人抓取矩形框并將矩形框中的三維點(diǎn)云映射到抓取參數(shù)。Redom等[9]將一個(gè)卷積神經(jīng)網(wǎng)絡(luò)與Jiang等[10]提出的抓取矩形框結(jié)合起來，實(shí)現(xiàn)物體抓取框的獲取，但該方法的成功率并不高，還需要進(jìn)一步完善。本文提出一種基于多模態(tài)卷積神經(jīng)網(wǎng)絡(luò)模型的最優(yōu)抓取位姿檢測的方法。由于單獨(dú)使用RGB圖像作為神經(jīng)網(wǎng)絡(luò)輸入時(shí)，物體抓取框預(yù)測結(jié)果易被圖像的背景顏色和圖案干擾，針對(duì)這個(gè)問題，本文對(duì)AlexNet卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行了改進(jìn)，增加專門處理Depth圖像的神經(jīng)網(wǎng)絡(luò)，并將沈陽理工大學(xué)學(xué)報(bào) 2019年4期2019-09-13
- 利用免費(fèi)DEM數(shù)據(jù)及制圖軟件繪制跨斷層場地圖
×600 m的矩形框，記錄矩形框的邊界坐標(biāo)(用于控制生成等高線的區(qū)域邊界)，同時(shí)在矩形框中繪制比例尺、棄測測點(diǎn)、在用測點(diǎn)、測線等要素(如圖1)。3 生成等高線解壓下載到的數(shù)據(jù)文件，用Global Mapper打開文件名中帶“dem”的tif格式文件。通過Analysis-Generate Contours (from Terrain Grid)，生成目標(biāo)區(qū)域的等高線。通過File-Export-Export Elevation Grid Format，輸出四川地震 2019年2期2019-07-26
- 基于單幀標(biāo)注的弱監(jiān)督動(dòng)作定位
頻的每一幀上用矩形框框住動(dòng)作的執(zhí)行者。動(dòng)作定位有著廣泛的應(yīng)用前景，可以用來截取一段長視頻中只包含特定內(nèi)容的片段，也可以用來追蹤監(jiān)控視頻頻中逃犯的逃跑軌跡等等。本文提出一種基于單幀標(biāo)注的動(dòng)作定位方法，這是弱監(jiān)督方法，不必標(biāo)注訓(xùn)練視頻中每一幀圖像，只需在每個(gè)視頻中標(biāo)注一幀圖像即可定位動(dòng)作。首先在訓(xùn)練視頻每一幀上給出動(dòng)作執(zhí)行者的矩形候選框，然后連接候選框形成候選動(dòng)作軌跡，利用人工標(biāo)注的矩形框去除大量不滿足條件的候選軌跡，同時(shí)對(duì)保留下來的候選軌跡打分，保留得分最高電子技術(shù)與軟件工程 2019年4期2019-04-26
- 一種汽車式起重機(jī)防傾翻方法的研究
與四支腿連接的矩形框進(jìn)行比較。如果在矩形框內(nèi)，起重機(jī)是安全的;超出矩形框，即存在傾翻危險(xiǎn)。簡化目前常用的防傾翻措施，提高汽車起重機(jī)的安全性。關(guān)鍵詞：汽車式起重機(jī);重心;矩形框;安全性汽車式起重機(jī)具有機(jī)動(dòng)靈活的特點(diǎn)，在工程施工中得到廣泛應(yīng)用。由于在施工作業(yè)中，起重機(jī)操作人員不按照安全操作規(guī)程操作使用、違章超載作業(yè)、非駕駛?cè)藛T操作和非信號(hào)指揮人員指揮作業(yè)、作業(yè)中不重視支腿基礎(chǔ)設(shè)置等原因，造成汽車式起重機(jī)傾翻事故時(shí)有發(fā)生，導(dǎo)致人員受傷、財(cái)產(chǎn)損失，嚴(yán)重者機(jī)毀人亡，科學(xué)與技術(shù) 2019年3期2019-03-05
- 基于雙目攝像機(jī)的人臉活體檢測的研究
得到對(duì)應(yīng)的人臉矩形框和人臉輪廓的68個(gè)特征點(diǎn)；硬件配置：處理器：Intel Core i5-6400，雙目攝像頭：Dual Web Camera Module；軟件配置：操作系統(tǒng)：Windows 10；集成開發(fā)環(huán)境：Visual Studio 2013；依賴庫：dlib、OpenCV300。2 活體檢測判別模塊聯(lián)合近紅外與可將光攝像頭裝置，依據(jù)近紅外與可見光攝像頭的成像特性，對(duì)于不同的攻擊進(jìn)行有效的抵御。2.1 紅外攝像機(jī)成像特性近紅外光譜區(qū)波段為780-現(xiàn)代計(jì)算機(jī) 2018年35期2019-01-22
- 切割體的識(shí)讀方法
圖和俯視圖均為矩形框(單個(gè)矩形框或多個(gè)矩形框組合)，可以判定它是柱體的兩視圖。究竟是棱柱還是圓柱，取決于左視圖，如果左視圖是多邊形就是棱柱，如果左視圖是圓就是圓柱，這是第一種基本體，它的左視圖即是它的特征視圖。第二種，如圖1(b)，三視圖中如果有兩個(gè)視圖是三角形，那么這個(gè)組合體是錐。如果特征視圖是圓就是圓錐，特征視圖是多邊形就是棱錐。第三種，如圖1(c)，如果三視圖中有兩面視圖是梯形框，那么這個(gè)組合體是臺(tái)，如果特征圖是圓就是圓臺(tái)，如果特征圖是多邊形就是棱臺(tái)山東化工 2018年24期2019-01-17
- 初中數(shù)學(xué)深度學(xué)習(xí)之框之法
置的正方形或者矩形框住原來的正方形或者矩形，將復(fù)雜問題簡單化.2.斜放直角三角形直角三角形其實(shí)就是矩形的一半，我們同樣可以通過使用橫著放置的矩形框住斜著放置的直角來解決.上述問題中，難題是斜著或者吊著放置的直角三角形，而我們解決的方法是，用橫著放置的正方形或者矩形框住原來的直角三角形，將復(fù)雜問題簡單化.三、斜放線段框之法斜放直角的問題轉(zhuǎn)化為橫著或者豎著放的直角三角形問題，那斜放的線段可以轉(zhuǎn)化為橫放或者豎放的線段問題嗎？其實(shí)，我們可以用直角三角形框住斜放線段數(shù)理化解題研究 2018年26期2018-10-09
- 視覺感知啟發(fā)的面向出艙活動(dòng)的物體識(shí)別技術(shù)研究
格負(fù)責(zé)預(yù)測2個(gè)矩形框，每一個(gè)預(yù)測的矩形框包括5個(gè)預(yù)測值：x、y、w、h、confidence。 其中（x，y）表示框的中心坐標(biāo)，w和h分別代表矩形框的寬和高。卷積神經(jīng)網(wǎng)絡(luò)提取到的特征區(qū)域與二值化賦范梯度提取的特征區(qū)域進(jìn)行重疊率的比較，選擇重疊率最大的區(qū)域作為識(shí)別出的物體的最終位置。同時(shí)，每個(gè)網(wǎng)格還預(yù)測物體相對(duì)于所有類別的條件概率，即該網(wǎng)格包含某物體的可能性。算法選擇概率值最大的類別作為物體的類別。圖4 基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識(shí)別與精定位Fig．4 Ob載人航天 2018年1期2018-03-22
- 基于無人機(jī)的自主式巡檢違章罰停系統(tǒng)
，降低候選車牌矩形框數(shù)量。（2）字符分割。將候選矩形框傳入SVM判斷模型即可得出車牌照片，下一步對(duì)車牌照片進(jìn)行字符分割，首先先將車牌照片進(jìn)行尺寸歸一化處理，統(tǒng)一轉(zhuǎn)化為長140，寬40的矩形框，進(jìn)行高斯模糊處理，模糊車牌雜點(diǎn)，然后進(jìn)行二值化操作，最后進(jìn)行輪廓繪制，即可得到包含各個(gè)字符的矩形框，再傳入OpenCV神經(jīng)網(wǎng)絡(luò)CvANN_MLP進(jìn)行字符識(shí)別。（3）字符識(shí)別。本步驟使用的是OpenCV自帶的人工神經(jīng)網(wǎng)絡(luò)類——CvANN_MLP進(jìn)行字符識(shí)別，傳入的字符矩信息記錄材料 2018年4期2018-02-19
- 基于Grab Cut和區(qū)域生長的服裝圖像前景提取算法
的方法生成初始矩形框并進(jìn)行前景提取. 由于該算法仍存在欠分割或過分割現(xiàn)象,故將該算法與區(qū)域生長算法相結(jié)合，給出了一種結(jié)合區(qū)域生長的全自動(dòng)化Grab Cut算法. 實(shí)驗(yàn)結(jié)果表明，無論對(duì)于單一背景還是復(fù)雜背景的圖像，改進(jìn)算法的前景提取效果都明顯優(yōu)于傳統(tǒng)算法，不僅能準(zhǔn)確獲取服裝前景區(qū)域，而且對(duì)于服裝內(nèi)部的過分割問題也有很大的改善.前景提?。?Grab Cut算法； 區(qū)域生長算法； 服裝圖像檢索Keywords： foreground extraction; Gr- 專題地圖圖面要素自動(dòng)配置方法的研究
例尺等因素，用矩形框表示圖面要素的大小和位置，簡化設(shè)計(jì)過程。最后，在CorelDRAW環(huán)境下，利用VBA技術(shù)實(shí)現(xiàn)文中所提出的方法。該軟件提供了多種地圖圖面要素配置模板供地圖設(shè)計(jì)人員選擇，能進(jìn)行地圖圖面要素位置的自動(dòng)沖突探測，可以為地圖設(shè)計(jì)人員提供一個(gè)標(biāo)準(zhǔn)化地圖圖面配置模板。圖面配置；自動(dòng)化；視覺平衡；沖突探測隨著計(jì)算機(jī)技術(shù)、對(duì)地觀測技術(shù)、地理信息系統(tǒng)技術(shù)等的快速發(fā)展，地理信息服務(wù)已經(jīng)快速融入人們的生活。地圖作為地理信息服務(wù)產(chǎn)品的主要形式之一[1]，人們對(duì)其測繪工程 2017年10期2017-08-31
- 雙管齊下提取對(duì)話窗口文字
會(huì)用一個(gè)黑色的矩形框顯示出文字所在的范圍。如果這個(gè)矩形框選擇的正是用戶需要的文字信息的話，那么用戶就需要馬上松開鼠標(biāo)左鍵，這樣矩形框中的文字就會(huì)被提取到GetWindowText軟件窗口的文字框里面（圖1）。接下來用戶只需要通過鼠標(biāo)復(fù)制這些信息，就可以任意地粘貼到需要的位置上。窗口信息一網(wǎng)打盡GetWindowText這款軟件雖然操作起來非常的方便，但是它也有一些美中不足的地方，就是無法復(fù)制命令按鈕以及軟件菜單中的文字信息。那么如果用戶遇到這樣的信息需要提電腦愛好者 2017年8期2017-05-10
- 基于多特征值的服裝檢測與識(shí)別算法
標(biāo)，并標(biāo)出人臉矩形框。1.2 服裝迭代定位算法基于上文AdaBoost 算法得到人臉矩形框，通過多次試驗(yàn)和人體測量學(xué)理論確定人的上身與臉部的比例，將矩形框進(jìn)行一定比例的移動(dòng)、放大，矩形框的最優(yōu)邊的選定是包含Canny算子邊緣檢測的邊緣點(diǎn)最多的邊，實(shí)驗(yàn)發(fā)現(xiàn)這樣的粗定位方式具有不穩(wěn)定性。所以，本文進(jìn)一步采用服裝矩形框的上邊與人臉矩形框的下邊同高度的矩形框通過迭代算法實(shí)現(xiàn)服裝的精確定位。Canny邊緣檢測算法是邊緣檢測領(lǐng)域的經(jīng)典算法，得到了很好的優(yōu)化和應(yīng)用，其高實(shí)驗(yàn)室研究與探索 2016年5期2016-12-06
- 基于快速歸一化算法的拉伸距離動(dòng)態(tài)跟蹤測量*
采樣方法來加快矩形框跟蹤速度，達(dá)到跟蹤的實(shí)時(shí)性要求。同時(shí)本文采用雙曲正切函數(shù)擬合得到亞像素邊緣點(diǎn)，在試樣表面檢測標(biāo)線邊緣，從而完成標(biāo)線距離的測量。最后本文設(shè)計(jì)了軟硬件系統(tǒng)。實(shí)驗(yàn)證明，本系統(tǒng)在保證測量實(shí)時(shí)性的前提下，實(shí)現(xiàn)了亞像素邊緣檢測。測量最大偏差不超過0.005 mm。視頻引伸機(jī)；動(dòng)態(tài)跟蹤；快速歸一化互相關(guān)；亞像素邊緣檢測EEACC：7230doi：10.3969/j.issn.1004-1699.2016.09.005材料的軸向拉伸力學(xué)性能是材料的重要傳感技術(shù)學(xué)報(bào) 2016年9期2016-10-21
- 超長壓型板的垂直方向上的輸送裝置及輸送方法
，四角為圓弧的矩形框，所述的一對(duì)鋼筋從矩形框內(nèi)底部兩角穿過，并各自用一個(gè)U形卡固定在矩形框底部兩角。所述輸送方法，是在地面設(shè)置壓板機(jī)，安裝所述輸送裝置，然后將板材展開，引入壓板機(jī)壓形成屋面板后通過人工或機(jī)械設(shè)備引導(dǎo)屋面板沿著鋼絲繩直到屋頂?shù)氖┕て脚_(tái)；前后兩卷的板材首尾相連并臨時(shí)鉚接起來，使輸送工作得以連續(xù)進(jìn)行。該發(fā)明操作便利、加工連續(xù)，更安全和高效。科技資訊 2016年8期2016-05-14
- 超長壓型板的垂直方向上的輸送裝置及輸送方法
，四角為圓弧的矩形框，所述的一對(duì)鋼筋從矩形框內(nèi)底部兩角穿過，并各自用一個(gè)U形卡固定在矩形框底部兩角。所述輸送方法，是在地面設(shè)置壓板機(jī)，安裝所述輸送裝置，然后將板材展開，引入壓板機(jī)壓形成屋面板后通過人工或機(jī)械設(shè)備引導(dǎo)屋面板沿著鋼絲繩直到屋頂?shù)氖┕て脚_(tái)；前后兩卷的板材首尾相連并臨時(shí)鉚接起來，使輸送工作得以連續(xù)進(jìn)行。該發(fā)明操作便利、加工連續(xù)，更安全和高效。科技創(chuàng)新導(dǎo)報(bào) 2016年6期2016-05-14
- 下沉廣場大小在地下商業(yè)建筑消防設(shè)計(jì)中的合理性判定方法
面積180㎡的矩形框A;然后將該矩形框按與所設(shè)計(jì)的下沉廣場平面圖相同的比例進(jìn)行縮放后將其疊放在所設(shè)計(jì)的（異形）下沉廣場平面圖上，矩形框A可自由旋轉(zhuǎn)、移位，進(jìn)行調(diào)整。如在平面圖中（異形）下沉廣場的某一區(qū)域內(nèi)矩形框A能夠完全疊放，且矩形柜A不與該下沉廣場交叉重疊，即（異形）下沉廣場平面存在一個(gè)區(qū)域可以完全容納下該矩形框A，如圖2所示的OK區(qū)域，說明此下沉廣場具有一個(gè)短邊尺寸不小于13.0m，且使用面積不小于180㎡的區(qū)域，則此（異形）下沉廣場可以滿足消防設(shè)計(jì)大房地產(chǎn)導(dǎo)刊 2015年3期2015-10-21
- 基于OpenCV手機(jī)拍照快遞單文字識(shí)別的研究
屏幕上畫出兩個(gè)矩形框，根據(jù)矩形框的周長面積特征，判定電話和姓名區(qū)域并提取這兩部分圖片；對(duì)這兩個(gè)圖片進(jìn)行灰度化、二值化、形態(tài)學(xué)處理，再進(jìn)行字符分割、歸一化處理.為了提高數(shù)字分割速度提出一種基于輪廓檢測的分割方法.根據(jù)數(shù)字和漢字的不同特征選取不同的識(shí)別方法進(jìn)行字符識(shí)別.文字識(shí)別；openCV；Android；快遞單識(shí)別隨著電子商務(wù)的飛速發(fā)展，物流行業(yè)呈現(xiàn)出前所未有的盛況.物流站點(diǎn)收發(fā)包裹需聯(lián)系大量收件人，若用手機(jī)拍照快遞單后，將其信息提取到手機(jī)上，會(huì)節(jié)省很多時(shí)- 基于虛擬線圈的夜晚車流檢測
車燈第一次進(jìn)入矩形框區(qū)域，由于是部分而非完全進(jìn)入，因此沒有被識(shí)別為車燈元素，故將其刪除。（2）如圖 1（b）所示，當(dāng)車燈完全進(jìn)入矩形框區(qū)域后，其被識(shí)別為車燈元素，當(dāng)與其他車燈匹配成功，則對(duì)車燈對(duì)進(jìn)行計(jì)數(shù)，車輛數(shù)加1，并對(duì)此對(duì)車燈進(jìn)行跟蹤，以避免在其他幀中重復(fù)對(duì)此車進(jìn)行計(jì)數(shù)。（3）如圖 1（c）所示，這對(duì)車燈元素仍然會(huì)出現(xiàn)在其他幀中，但是因?yàn)橐呀?jīng)對(duì)其進(jìn)行了跟蹤，不作為新的車輛進(jìn)行計(jì)數(shù)。（4）如圖 1（d）所示，車燈離開矩形框區(qū)域，結(jié)束對(duì)這對(duì)車燈對(duì)的跟蹤。圖1網(wǎng)絡(luò)安全與數(shù)據(jù)管理 2014年3期2014-11-10
- 基于FANUC PICTURE軟件的人機(jī)界面二次開發(fā)及應(yīng)用
界面左上角畫一矩形框(此矩形框在頁面中不顯示，通常放在左上角)，雙擊此矩形框彈出PScrn 界面，在屬性項(xiàng)Base screen 下Screen Name中填入界面的名稱(如main)，Sub screen 下Sub-ScreenName1 中填入關(guān)聯(lián)的子界面的名稱。點(diǎn)擊圖標(biāo)(Button)在此主界面中畫一矩形框，雙擊此矩形框，彈出Button 界面，在屬性項(xiàng)Action 下Action Type 中選擇Change Screen(Detail 中填入切換制造技術(shù)與機(jī)床 2014年5期2014-04-27
- 一種便攜式攝像機(jī)導(dǎo)軌的設(shè)計(jì)
、連接塊 3、矩形框4組成，該部分如圖4所示。滑架中滾輪采用定向膠輪4組，共8個(gè)。根據(jù)需要在市場上購買標(biāo)準(zhǔn)件。與滾輪相連的固定三角架的矩形框采用不銹鋼方管料焊接，因不銹鋼管料不容易焊接，采用氬弧焊焊接。滾輪與矩形框的連接步驟為：（1）先將角鐵與連接塊焊接，即將連接塊上的90°V形槽和角鐵90°相配，進(jìn)行焊接；（2）接著將滾輪與角鐵通過螺栓連接，注意一組滾輪方向相對(duì)，成90°；（3）最后將矩形框與焊接后的連接塊用螺栓連接，控制導(dǎo)軌一側(cè)兩連接塊上V形槽距離和左機(jī)械工程師 2014年2期2014-04-21
- 一種應(yīng)用于交通環(huán)境中的運(yùn)動(dòng)車輛跟蹤方法
取運(yùn)動(dòng)車輛外接矩形框、質(zhì)心等參數(shù)，為每輛車建立一個(gè)預(yù)測模型，利用卡爾曼濾波對(duì)模型進(jìn)行預(yù)測和更新，實(shí)現(xiàn)對(duì)運(yùn)動(dòng)車輛的精確定位和跟蹤。1.1 卡爾曼濾波卡爾曼(Kalman)濾波是由 R.E.Kalman于1960年在其發(fā)表的一篇論文中首次提出?？柭鼮V波是一種遞推線性最小方差估計(jì)［5-6］，是目標(biāo)跟蹤所廣泛采用的一種跟蹤方法。假定離散時(shí)間過程的狀態(tài)方程和觀測方程為(1)－(2)式中:t表示時(shí)間;Xt表示t時(shí)刻的狀態(tài)變量;ωt和νt表示t時(shí)刻的白噪音;A表示狀態(tài)- 一種快速提取銅塊圖像感興趣區(qū)域的方法*
地將銅塊區(qū)域用矩形框標(biāo)記出來。遵循自動(dòng)檢測的原則，本文采用迭代選擇閾值法分割來區(qū)分銅塊區(qū)域和背景，并用矩形框REC標(biāo)記銅塊區(qū)域。對(duì)于一個(gè)銅塊合金樣本，銅塊截面是最具有檢測意義的區(qū)域，而銅塊截面和側(cè)面無論灰度分布色彩分布上都比較接近，無監(jiān)督的方法很難將它們區(qū)別開來。這里加入一些先驗(yàn)知識(shí)，當(dāng)銅塊被測量時(shí)，截面朝上，截面的位置肯定位于側(cè)面的上方。把矩形框REC從上往下按順序分割為4塊區(qū)域，對(duì)第一塊區(qū)域內(nèi)的銅塊區(qū)域I，假設(shè)其全部屬于銅截面區(qū)域，否則，銅截面寬度連銅傳感器與微系統(tǒng) 2013年7期2013-10-22
- 基于Haar特征的前車識(shí)別算法*
時(shí)會(huì)出現(xiàn)重合的矩形框。對(duì)此，通過計(jì)算矩形框覆蓋的重合度來合并重復(fù)識(shí)別的目標(biāo)，并給定重合度閾值。試驗(yàn)中定義的重合度閾值為85%，即如果一個(gè)矩形框的85%與另一矩形框重合，則判定它們?yōu)橥荒繕?biāo)。3.1.2 誤檢噪聲的消除增加假設(shè)驗(yàn)證模塊，利用先驗(yàn)知識(shí)(如由于車輛近大遠(yuǎn)小，很遠(yuǎn)的地方不會(huì)存在很大的矩形框等)，消除查找區(qū)域中的誤檢矩形框。利用Hough變換與攝像頭中心位置找到滅點(diǎn)，矩形框位置縱坐標(biāo)與滅點(diǎn)縱坐標(biāo)之差限制著矩形框大小。若矩形框與預(yù)估值大小之差的絕對(duì)值大汽車工程 2013年4期2013-06-13
- 一種陰影消除算法優(yōu)化及DSP實(shí)現(xiàn)
出了一種新的雙矩形框算法，在彩色空間模型下提取運(yùn)動(dòng)目標(biāo)時(shí)，能夠較好地去除光照變化陰影影響。本文優(yōu)化了基于空間的雙矩形框算法流程，使用自制的DM642多媒體DSP硬件系統(tǒng)實(shí)現(xiàn)了算法。實(shí)驗(yàn)結(jié)果證明，優(yōu)化后的算法能夠很好地去除陰影，實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)的精確提取。1 原移動(dòng)偵測算法1.1 算法流程移動(dòng)偵測算法主要包括視頻圖像預(yù)處理，初步確定目標(biāo)的運(yùn)動(dòng)區(qū)域，陰影消除、進(jìn)一步精確目標(biāo)的運(yùn)動(dòng)區(qū)域，目標(biāo)提取，光照干擾影響消除，背景更新等。算法流程如圖1所示。圖1 移動(dòng)偵測算法吉林大學(xué)學(xué)報(bào)（工學(xué)版） 2013年1期2013-04-12
- 儲(chǔ)罐底板漏磁檢測缺陷整體分布圖自動(dòng)生成方法
樣點(diǎn)數(shù)，計(jì)算出矩形框對(duì)角線上兩個(gè)頂點(diǎn)的坐標(biāo)，并依此繪制矩形框以表征缺陷大小，進(jìn)而得到單次掃查缺陷分布圖；再在統(tǒng)一的坐標(biāo)系下，對(duì)單次掃查缺陷分布圖進(jìn)行歸一化處理，并對(duì)相鄰兩次掃查檢測到的同一缺陷進(jìn)行合并運(yùn)算；最后，通過多次掃查圖拼接，得到儲(chǔ)罐底板缺陷的整體分布圖。檢測試驗(yàn)證明，該方法能實(shí)現(xiàn)儲(chǔ)罐底板缺陷整體分布圖的直觀顯示，自動(dòng)生成可視化缺陷檢測報(bào)告，提高了儲(chǔ)罐底板漏磁檢測系統(tǒng)的檢測效率、實(shí)用性和可靠性。儲(chǔ)罐底板；缺陷分布圖；坐標(biāo)歸一化；漏磁漏磁檢測技術(shù)因其具圖學(xué)學(xué)報(bào) 2013年5期2013-03-16
- 圓排列包裝問題最優(yōu)解解析
題描述為找一個(gè)矩形框，將n個(gè)大小不全相等的圓以任何一種排列順序排進(jìn)該矩形框后，都能保證這n個(gè)圓與矩形的底邊相切，且要求這種矩形框長度最小.下面給出一些集合和相關(guān)長度的定義.定義1 給定n個(gè)圓C1，…，Cn，其圓心的橫坐標(biāo)分別為x1，x2，…，xn，半徑分別為R1，R2，…，Rn，R1≤R2≤…≤Rn，且R1＜Rn.定義下面4個(gè)的集合S，T，Q，P.1）S＝｛w｜（w＝i1，i2，…，in）為1，…，n的n級(jí)排列｝.2 圓排列包裝問題的最優(yōu)解的性質(zhì)定理1 模- 利用AutoCAD LISP實(shí)現(xiàn)地形圖中高程注記的自動(dòng)移動(dòng)
成：圖1是一個(gè)矩形框圖。將圖1中矩形框的左下角與右上角坐標(biāo)分別保存到變量minx和maxx中?？梢缘玫?span id="syggg00" class="hl">矩形框左下角與右上角的坐標(biāo)，這時(shí)需要的是注記外圍的坐標(biāo)，所以需要把矩形的長度減去高程點(diǎn)到高程注記的距離。3.高程注記遮蓋地物的判斷。根據(jù)獲得的高程注記文字外坐標(biāo)，就可以進(jìn)行高程注記遮蓋地物判斷了。考慮到高程點(diǎn)會(huì)遮蓋其他高程點(diǎn)的情況，程序如下所示：如果q2為空，則表示沒有遮蓋其他地物，反之，就有遮蓋其他地物。4.高程注記移動(dòng)路徑。在地形圖中，高程點(diǎn)與注記之間河南科技 2012年3期2012-11-24
- 關(guān)于Simon效應(yīng)現(xiàn)象的研究綜述
出現(xiàn)在一列6個(gè)矩形框中的正方形（空心正方形）做出左、右按鍵反應(yīng)。被試必須將注意力集中在注視點(diǎn)上，500毫秒后正方形塊（實(shí)心正方形）隨機(jī)出現(xiàn)在6個(gè)矩形框中的5個(gè)間隙內(nèi)，不要求被試對(duì)實(shí)心正方形進(jìn)行反應(yīng)。再500毫秒后正方形框（空心正方形）緊挨著實(shí)心正方形出現(xiàn)在矩形框內(nèi)，要求被試對(duì)空心正方形做出反應(yīng)。其結(jié)果顯示，被試對(duì)空心正方形的反應(yīng)受實(shí)心正方形位置的影響。即實(shí)心正方形在空心正方形的左還是右會(huì)影響被試對(duì)空心正方形的加工。盡管在他們的實(shí)驗(yàn)4中，將實(shí)心正方形和空心正- 人體運(yùn)動(dòng)目標(biāo)檢測與跟蹤系統(tǒng)設(shè)計(jì)及算法仿真實(shí)現(xiàn)
的位置，最后用矩形框標(biāo)識(shí)出人體并且輸出人體運(yùn)動(dòng)的位置信息，為將來人體行為的理解和分析奠定基礎(chǔ)。2 系統(tǒng)總體設(shè)計(jì)根據(jù)系統(tǒng)的設(shè)計(jì)目標(biāo)和對(duì)系統(tǒng)的分析，系統(tǒng)的總體設(shè)計(jì)框架如圖1所示。圖1 系統(tǒng)總體設(shè)計(jì)框架圖1）視頻序列輸入模塊：從視頻文件讀入一個(gè)視頻序列。2）背景估計(jì)模塊：此模塊采用統(tǒng)計(jì)平均法來估計(jì)和更新背景模型。3）圖像分割[7］模塊：在此模塊中，先通過背景減除法，再利用Otsu自動(dòng)閾值法對(duì)圖像進(jìn)行分割，把表示運(yùn)動(dòng)目標(biāo)的像素與背景相分離。4）人體運(yùn)動(dòng)檢測模塊：對(duì)- 吊耳焊縫應(yīng)力分析及其結(jié)構(gòu)設(shè)計(jì)
m，焊縫截面為矩形框，如圖2所示.圖2 焊縫截面圖Fig.2 Diagram of weld section矩形框慣性矩為1.34×10-5m4抗彎截面系數(shù)[1]：最大拉、壓應(yīng)力：其中：σ為角焊縫許用應(yīng)力，n為安全系數(shù).查表[1]得：角焊縫拉伸、壓縮、彎曲許用應(yīng)力[σ]=118 MPa，安全系數(shù)按抗斷裂計(jì)算取n=4.那么σ·n=148.98 MPa>[σ]該截面處的理論拉應(yīng)力大于許用應(yīng)力，該截面是危險(xiǎn)截面，且根據(jù)焊縫斷裂原因以及彎矩的作用形式，分析知最大拉武漢工程大學(xué)學(xué)報(bào) 2012年4期2012-06-11
- 基于可變矩形框的人群密度估計(jì)算法
提出的基于可變矩形框的人群密度估計(jì)算法源于經(jīng)典的基于像素?cái)?shù)的人群密度估計(jì)算法，但又有所改進(jìn)，克服了原有算法因行人與攝像頭距離不同造成的估計(jì)誤差。1 基于像素?cái)?shù)的人群密度估計(jì)算法Davies等人1995年提出了基于像素?cái)?shù)的人群密度估計(jì)方法[2]。該方法主要基于視頻中人數(shù)與像素?cái)?shù)成正比的關(guān)系。具體步驟如下：①分別將連續(xù)的i-1幀和i幀2幅視頻圖像轉(zhuǎn)化為單通道灰度圖像。②分別對(duì)連續(xù)的兩幀灰度圖像進(jìn)行 3×3高斯濾波和Canny邊緣檢測處理，其中Canny邊緣檢測通信技術(shù) 2011年10期2011-08-11
- 分幅數(shù)字地形圖元數(shù)據(jù)的高效提取
繪制一個(gè)適中的矩形框，確保所有圖幅相應(yīng)的AutoCAD文字信息被完全包含在該矩形框內(nèi)(這一點(diǎn)非常容易做到)，編程讀取出矩形框與分幅圖外圖廓重心的相對(duì)位置信息，記錄到一個(gè)文本文件中(同時(shí)保存矩形所在的圖層名即元數(shù)據(jù)字段名稱)。最后，批量自動(dòng)打開需要提取元數(shù)據(jù)的圖形文件，逐一提取元數(shù)據(jù)信息。提取方法是這樣的:打開圖形后，求解出該分幅圖外圖廓的重心坐標(biāo)，根據(jù)上一步形成的文本文件中存儲(chǔ)的矩形框位置信息，創(chuàng)建AutoCAD多邊形選擇集，將選擇集中的文字信息按坐標(biāo)位置城市勘測 2011年1期2011-04-18
- 專利匯編
栓定位模板，有矩形框鋼板，矩形框鋼板的厚度是8~10毫米，在矩形框鋼板的相對(duì)的框面上分別布有與混凝土獨(dú)立基礎(chǔ)上端的地腳螺栓相配合的穿螺栓孔，穿螺栓孔的直徑比所配合的地腳螺栓直徑大2毫米，穿螺栓孔的圓心與相近矩形框鋼板外邊的距離是100~200毫米，穿螺栓孔的圓心連線與相近矩形框鋼板內(nèi)孔邊的距離是100毫米，另外相對(duì)的兩側(cè)框邊的寬度是100毫米。本實(shí)用新型結(jié)構(gòu)簡單、使用方便、可使混凝土獨(dú)立基礎(chǔ)上端預(yù)埋地腳螺栓的形位精度較高。中國建筑金屬結(jié)構(gòu) 2010年6期2010-12-31
- 《盲人摸象》課件制作
音”“文字”“矩形框”“蒙板”“動(dòng)畫”層。單擊“聲音”層的第1幀，將“屬性”面板的“聲音”選項(xiàng)設(shè)置為“庫”中的“聲音”文件；“同步”設(shè)置為“數(shù)據(jù)流”，將該圖層的時(shí)間軸延長至第1 020幀，即直到聲音波形在時(shí)間軸上消失為止。鎖定該圖層。2）將“文字”“矩形框”“蒙板”“動(dòng)畫”層的時(shí)間軸也延長至第1 020幀。3）在“矩形框”層的第1幀，用“矩形”工具繪制一個(gè)370 px×250 px漸變發(fā)光的矩形框，對(duì)動(dòng)畫進(jìn)行美化裝飾。4）單擊“動(dòng)畫”層的第1幀，將“庫”中中國教育技術(shù)裝備 2010年11期2010-09-26
- 激光雕刻切割機(jī)在通用技術(shù)課程 中的使用探究
指主界面中藍(lán)色矩形框內(nèi)部的部分。該矩形框對(duì)應(yīng)實(shí)際加工機(jī)床的工作臺(tái)面，第一次運(yùn)行時(shí)默認(rèn)大小為900 mm×500 mm。在該矩形框內(nèi)繪制的所有圖形，實(shí)際加工時(shí)都會(huì)被機(jī)床加工。矩形框外的圖形由于機(jī)床尺寸限制，將有可能不會(huì)被加工?！靶陆ā弊硬藛斡糜谛陆ㄒ粋€(gè)空白工作空間以供作圖，其快捷鍵為Ctrl＋N。選擇“新建”子菜單時(shí)，軟件將會(huì)關(guān)閉當(dāng)前正在編輯的文件，同時(shí)建立一個(gè)新的文件。如果當(dāng)前正在編輯的文件沒有保存，則軟件會(huì)提示是否保存該文件?！按蜷_”子菜單用于打開一個(gè)保中國教育技術(shù)裝備 2010年29期2010-08-22
- 用Ｗｏｒｄ制作試卷模版的方法和技巧
面上拖動(dòng)出一個(gè)矩形框，這個(gè)矩形框的大小可以定為230mm左右。3. 編輯文字信息光標(biāo)在文本框中閃爍，單擊鼠標(biāo)右鍵，選擇文字方向，彈出文字方向?qū)υ捒?，選擇由下至上的文字方向，確定即可。4. 組合對(duì)象按住shift鍵依次單擊鼠標(biāo)左鍵選取剛才創(chuàng)建的所有對(duì)象，包括文字、直線、矩形框等對(duì)象，然后從右鍵菜單中選擇“組合→組合”命令將上述對(duì)象組合起來。5. 制作密封線從“繪圖”工具欄中選擇“豎排文本框”按鈕，并且文本框無填充顏色，也無線條顏色。按住鼠標(biāo)左鍵拖動(dòng)出一個(gè)虛線成才之路 2009年14期2009-07-07
- 用于機(jī)器人視覺引導(dǎo)的GrabCut算法的改進(jìn)