运动对象

摘要： 解几何最值问题时,若能捕捉图形的特殊位置,利用特殊位置时的图形解题,往往能化难为易,事半功倍.一、与三角形有关的问题例1 如图1,在△ABC中,∠ACB=90°,∠ABC=30°,将△ABC绕顶点C顺时针旋转,旋转角为α（0°〈α〈180°）,得到△A＇CB＇.设AC中点为M,A＇B＇中点为N,AC=2,连接MN,则线段MN的最大值为 .

摘要： 在人体实时运动优化识别中,由于人体运动幅度、背景变化无严格规律,速度与运动背景的变化造成运动过程的RGB空间的色度、饱和度等特征也是一个动态变化的过程,传统的分割方法,针对这种动态变化,无法通过调节阀值对特征变化进行实时区别,导致分割过程不充分.提出采用区域差异的视频运动对象的分割方法.将视频图像的RGB空间转换为HSV空间,利用色度、饱和度和亮度提取到运动对象封闭的轮廓图,根据视频图像中不同区域之间的差异,将视频图像分为运动区域、背景区域和遮挡区域,利用边缘检测算子对运动对象的边缘进行检测,最终分割出视频图像中的运动对象.仿真结果表明,利用改进算法进行视频运动对象分割,能够提高分割精度,满足了实时性的要求.

摘要： 现代信息技术的广泛应用,对数学课程内容、数学教学、数学学习等产生深刻的影响.在数学教学中,通过计算机软件,教师可以对教学目标信息实现实时控制,可以在任何时刻让某个式子、某个公式、某个图形出现;也可以在任何时刻让展示对象客观存在或隐去;可以随机做出图像;可以对屏幕上出现的运动对象随时干预,像电影定格一样使之静止在某一画面上,以对某些需要强调的运动结果进行特写;可以对图形进行局部放大,等等.这样大大丰富了教学手段,

摘要： 解答中考题时,经常会碰到行程类中以运动对象之间的距离为因变量的函数图象问题,即"距离图象"问题.此类问题因运动对象之间的距离在不断变化,识别图象具有困难,所以常常让答题者望而生畏.现举几例,就解法加以剖析,供读者参考.一、推理、计算例1(2014黑龙江哈尔滨市中考)早晨,小刚沿着通往学校唯一的一条路(直路)上学,途中发现忘带饭盒,停下往家里打电话,妈妈接到电话后带上饭盒马上赶往

摘要： 拍摄运动对象的难度比较高．而要将运动对象的动感表现出来．难度则更高．而要将运动对象的动感表现得恰到好处．那就更是难上加难了。但难归难，要将运动对象拍出动感来，其实还是有一定规律可循的。相对来说．在数码时代．要想将快速运动的对象拍得比较清晰，还是比较容易。只要选择较短的快门时间．将运动对象予以凝固即可。通常要表现运动对象的动感，

摘要： It can track the success of the movement object,and the motion objects from the scene,is an important part of intel igent video surveil ance technology.Video monitoring of the movement object usual y have more characteristics,noise and nonlinear characteristics,with the improved Mean shift tracking algorithm while,be able to deal with the difficult to trace the good or bad tracking effect.%能成功跟踪运动对象，并将运动对象从场景中分离，是智能视频监控技术的重要部分。视频监控下的运动对象通常具有多特征、噪音多和非线性的等特点，采用改进Mean Shif跟踪算法，能够较好地处理难以跟踪或者跟踪效果差等缺点。

摘要： 随着我国网络、多媒体等信息技术的不断发展,对于视频处理技术也提出了更高的要求,由于视频压缩、处理、模式识别等与这些相关的应用都对视频运动对象分割有很强的依赖性,所以人们也更加重视视频处理技术的研究。本文对基于压缩域的运动对象分割技术进行探讨。

摘要： 随着信息化技术的不断发展,计算机辅助教学在中学教学中发挥了重要的作用。物理作为一门以实验为基础的学科,借助于模拟实验室等辅助教学手段,能够在计算机上模拟各项实验的过程并快速得出实验结果,极大丰富课堂表现力,能够以形象直观的方式激发学生的学习兴趣,为教师提供了高效的教学手段,提高了教学效率。

摘要： 针对传统时空推理研究大多局限于静态空间对象以及Rupam方位关系模型ROR复合表和概念邻域图所存在的问题,提出了一种动态方位关系推理方法.首先对ROR关系模型中复合表及概念邻域图进行完善:提出了ROR关系静态推理算法,并给出了复合表;提出了一种ROR概念邻域关系自动生成算法并构建了概念邻域图;将ROR关系复合表和概念邻域图与Rupam方法进行比较,结果表明,本文方法不仅能给出Rupam所给的正确结果,还能修正Rupam方位关系模型不存在的复合结果,且复合结果和概念邻域图更完整.然后基于ROR关系复合表和概念邻域图给出了运动对象间方位关系推理方法DRA.最后通过智能家居中的应用实例,说明了DRA方法的有效性.

摘要： 在计算机视觉、视频监控等领域中,视频运动对象的检测与跟踪技术在很多应用中起着重要作用.本文根据固定单摄像头的特定应用,在对三种常用运动检测算法即背景差法、帧差法和光流法进行分析比较的基础上,选择背景差法来进行运动对象的检测.运动对象产生的阴影和运动对象本身有许多相同的特征,在背景差法中,阴影随着运动对象一起被检测出来,为后续的处理带来麻烦,因而本文选择了最大色度差分法进行阴影抑制.为了得到比较理想的运动对象区域,本文采用了形态学方法进行处理.在用于跟踪对象的常用特征中,本文选取了最小外接矩形框的方法,取得了比较满意的跟踪效果。

摘要： 本文提出一种基于光流和水平集方法的多相运动对象分割方法,目的是分割出图像序列或视频图像中的多个运动对象.首先改进传统光流模型的光滑项,使光流场具有更好的鲁棒性;然后改进Chan-Vese分割模型,使其根据光流场分割,这是由于可以依据光流场的有效信息检测运动对象;最后采用水平集方法,将不同区域的光流场信息有机地结合在一起,实现多个运动对象的分割.在水平集求解过程中,为了避免水平集函数重新初始化,引入新的能量项,从而节省迭代时间.实验结果表明,新算法能有效地进行多相运动对象分割.

摘要： 提出了一种基于压缩域的运动对象特征提取方法.该方法利用压缩域中容易得到的运动信息进行运动对象的定位和分割.提出了运动向量的空间检测和校正准则,使运动向量尽可能地代表对象的真实运动,并进行了全局运动补偿,得到了对象的绝对运动.最后通过聚类运动向量得到了运动对象的特征.该方法直接作用于压缩域,只利用了码流中的运动信息,节约了处理时间.

摘要： 运动对象的分割是计算机视觉研究领域的一个重要课题,阴影的存在严重影响了分割的效果.本文提出了一种基于颜色特征进行运动对象阴影检测,利用互帧差的高阶统计特性和数学形态学算子进行运动对象分割的方法.实验结果表明该方法能有效的克服阴影的影响,从而实现运动对象的分割.

摘要： 针对目前的视频运动对象分割中算法复杂度高、实时性差,分割不精确等问题,提出了一种基于时空结合的视频运动分割算法.该算法利用视频序列的时间相关性来进行对称差分处理,首先取得当前帧运动对象的大致轮廓区域;然后在轮廓区域内,用区域增长法对图象作空域分割;最后利用对称差分的分割结果排除空域分割结果中的背景区域来取得运动对象.实验结果表明,这种算法简单实用,不仅兼顾了实时性和精确性,而且能有效地分割出视频序列中的运动对象.

摘要： H.264视频压缩标准以其优良的压缩效率和编码灵活性得到了广泛的应用.本文提出了一种基于H.264压缩域的运动对象分割方法,首先从压缩视频中提取运动场,采用加权中值滤波方法滤除运动场的噪声矢量,再运用后向估计的方法重建预测运动场并进行运动场的累积,然后基于幅度、散度和旋度3个运动特征,采用改进的统计区域合并方法将运动对象分割出来.实验结果表明,该方法可有效地从H.264压缩视频中提取运动对象且分割质量较好.

摘要： 为了获取宽视场的场景表示,针对含有运动对象的场景图象序列,提出了一种背景拼图的生成方法,首先将拍摄的同一场景的两组图象序列经配准和融合获得两幅拼图,然后将场景中的运动对象提取出来,用拼图中对应的背景区域来取代另一幅拼图中被运动对象遮挡的区域,从而构成一幅无遮挡的宽视场的背景拼图.文中通过实验表明了该方法是有效的.

摘要： 本发明涉及运动对象跟踪装置、运动对象跟踪系统及运动对象跟踪方法。用于允许显示装置显示在监视区域的实时图像上叠加的运动对象的运动线路的运动对象跟踪装置包括：检测单元，其从监视区域的图像检测运动对象并且输出检测位置信息；第一运动线路生成单元，其移除包括在检测位置信息中的错误检测信息，并且使用已经移除错误检测信息的检测位置信息生成确定运动线路；第二运动线路生成单元，其生成在由检测位置信息表示的实质上最新检测位置和确定运动线路的终点之间内插未确定区段的临时运动线路；以及运动线路信息获得单元，其获得与由结合在一起的确定运动线路和临时运动线路形成的结合运动线路有关的运动线路信息。

摘要： 本发明提供了运动对象检测装置、运动对象检测方法以及电子设备，以克服现有的目标检测技术存在的检测精度低的问题。运动对象检测装置包括：轮廓图像获得单元，用于获得针对待检测区域捕获的多帧图像各自的轮廓图像；前景轮廓获得单元，用于获得每帧图像的轮廓图像中的前景轮廓；运动对象确定单元，用于确定每帧图像中的运动对象；和更新单元，用于至少基于每帧图像的轮廓图像中除前景轮廓以外的像素更新其上一帧图像对应的环境轮廓图像，获得该帧图像对应的环境轮廓图像以用于下一帧图像的检测。运动对象检测方法用于执行能够实现运动对象检测装置的功能的处理。电子设备包括运动对象检测装置。本发明的上述技术能够应用于运动目标检测领域。

摘要： 本发明公开了运动对象检测装置、运动对象检测方法和计算机程序。该用于检测由成像装置捕获的对象的运动的设备包括：运动对象检测单元，其(1)可操作用于基于第一运动对象检测处理来检测对象的运动，并且(2)可操作用于基于第二运动对象检测处理来检测对象的运动。该设备还包括输出单元，其可操作用于基于由所述运动对象检测单元基于所述第一运动对象检测处理和第二运动对象检测处理中的至少一个进行的检测来生成输出。

摘要： 本发明涉及运动对象跟踪装置、运动对象跟踪系统及运动对象跟踪方法。用于允许显示装置显示在监视区域的实时图像上叠加的运动对象的运动线路的运动对象跟踪装置包括：检测单元，其从监视区域的图像检测运动对象并且输出检测位置信息；第一运动线路生成单元，其移除包括在检测位置信息中的错误检测信息，并且使用已经移除错误检测信息的检测位置信息生成确定运动线路；第二运动线路生成单元，其生成在由检测位置信息表示的实质上最新检测位置和确定运动线路的终点之间内插未确定区段的临时运动线路；以及运动线路信息获得单元，其获得与由结合在一起的确定运动线路和临时运动线路形成的结合运动线路有关的运动线路信息。

摘要： 本发明提供一种运动对象检测方法和一种运动对象检测装置，其中，运动对象检测方法包括：获得当前帧图像的轮廓图像中的前景轮廓，生成前景轮廓图像，其中，前景轮廓图像为当前帧图像的轮廓图像与其上一帧图像对应的背景轮廓图像的差分图像；按照预设间隔在前景轮廓图像中逐一选取子图像块；判断子图像块是否包含前景轮廓像素；根据判断结果，将包含前景轮廓像素的子图像块作为待处理子图像块，否则跳过子图像块；计算每一待处理子图像块的方向梯度直方图特征；采用分类器对计算出的方向梯度直方图特征进行检测，以确定运动对象。采用本发明的运动对象检测方法，可提高检测速度和检测准确率。

摘要： 本发明提供了运动对象检测装置、运动对象检测方法以及电子设备，以克服现有的目标检测技术存在的检测精度低的问题。运动对象检测装置包括：轮廓图像获得单元，用于获得针对待检测区域捕获的多帧图像各自的轮廓图像；前景轮廓获得单元，用于获得每帧图像的轮廓图像中的前景轮廓；运动对象确定单元，用于确定每帧图像中的运动对象；和更新单元，用于至少基于每帧图像的轮廓图像中除前景轮廓以外的像素更新其上一帧图像对应的环境轮廓图像，获得该帧图像对应的环境轮廓图像以用于下一帧图像的检测。运动对象检测方法用于执行能够实现运动对象检测装置的功能的处理。电子设备包括运动对象检测装置。本发明的上述技术能够应用于运动目标检测领域。

摘要： 本发明公开了运动对象检测装置、运动对象检测方法和计算机程序。该用于检测由成像装置捕获的对象的运动的设备包括：运动对象检测单元，其(1)可操作用于基于第一运动对象检测处理来检测对象的运动，并且(2)可操作用于基于第二运动对象检测处理来检测对象的运动。该设备还包括输出单元，其可操作用于基于由所述运动对象检测单元基于所述第一运动对象检测处理和第二运动对象检测处理中的至少一个进行的检测来生成输出。

摘要： 提供了运动对象检测设备、运动对象检测方法和程序。运动对象检测设备包括：图像输入处理部件，配置为输入由相机拍摄的图像组成的分析图像以在分析图像内建立指定区域；第一检测处理部件，配置为检测在由图像输入处理部件建立的指定区域内运动、并在离相机第一范围内的距离处的运动对象的图像；和第二检测处理部件，配置为检测在由图像输入处理部分建立的指定区域内运动、并在离相机第二范围内的距离处的运动对象的图像，第二范围远于第一范围。

摘要： 本发明公开了运动对象检测装置、运动对象检测方法和计算机程序。该用于检测由成像装置捕获的对象的运动的设备包括：运动对象检测单元，其(1)可操作用于基于第一运动对象检测处理来检测对象的运动，并且(2)可操作用于基于第二运动对象检测处理来检测对象的运动。该设备还包括输出单元，其可操作用于基于由所述运动对象检测单元基于所述第一运动对象检测处理和第二运动对象检测处理中的至少一个进行的检测来生成输出。

摘要： 提供了一种运动对象检测装置，其能够以高准确度和低处理负荷、高速地检测运动对象。该装置包括：运动信息提取部件(102)，用于从通过使用频带划分方法和运动预测分量编码进行了视频编码的视频流，提取运动信息，其中频带划分方法用于将图像划分成简化图像、水平方向分量、垂直方向分量、以及对角方向分量；边缘信息提取部件(103)，用于在从视频流的最高有效位平面开始的、按照顺序的一位或多位平面中提取有关水平方向分量、垂直方向分量和对角方向分量的信息；以及运动对象检测部件(106)，用于通过使用所提取的运动信息和边缘信息来检测运动对象，并输出检测结果。由于不需要对视频流进行解码，因此有可能以高准确度和低处理负荷、高速地检测运动对象。