导读:本文包含了固定场景论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:卷积,场景,特征,景片,姿态,模型,背景。
固定场景论文文献综述
王亚朝,赵伟,徐海洋,刘建业[1]（2019）在《基于轻量型卷积神经网络的非固定场景天气识别算法》一文中研究指出针对传统方法无法准确识别天气情况且计算量大的问题提出了一种基于轻量型卷积神经网络的非固定场景天气图像分类方法。该方法应用扩张卷积和深度分离卷积来提取天气特征信息,采用残差结构来防止网络退化,并且采用改进的空间金字塔池化层实现多尺寸图片的处理。经验证,所提方法可以对不同尺寸的非固定场景天气图片进行分类,在构建出的数据集上相对于经典分类卷积神经网络以196 M的计算量获得93.2%的准确率。所提方法一定程度上可以准确识别非固定场景的天气情况,并且具有应用到嵌入式平台上的前景。(本文来源于《电子测量技术》期刊2019年17期）
王韬翔,康丽霞,刘永忠[2]（2019）在《固定二次应用场景下基于LCA的动力电池退役点定量确定方法》一文中研究指出退役动力电池的梯次利用不仅可降低电池的使用成本,还可缓解回收退役电池的环境污染压力。为了定量确定动力电池退役点,本文提出了一种基于生命周期分析(LCA)定量分析方法。将动力电池梯次利用的生命周期划分为生产、作动力电池、重组、作储能电池和回收利用5个阶段,将电池的容量衰退与生命周期分析模型结合,在不同的二次应用场景下分析了电池的碳排放量随动力电池退役时的健康状态(SOH)变化情况,研究了退役点选择对电池寿命和环境的影响。研究表明,动力电池在SOH为85%～90%时退役可达到较小的碳排放量。在固定二次应用场景下,电池操作的放电深度(DOD)越小,则电池寿命越长,且碳排放量变化很小。研究为动力电池退役点的确定提供了定量分析方法,可为动力电池梯次利用提供指导。(本文来源于《化工进展》期刊2019年05期）
赵一秾[3]（2018）在《固定场景下的人体姿态识别》一文中研究指出近年来,随着信息技术的发展和智能科技的普及,全球科技变革正在进一步推进,云计算、物联网、大数据和人工智能等技术也在飞速发展,其中,人体姿态识别技术已开始在计算机视觉相关领域中广泛应用。就固定场景下的人体姿态识别做出研究分析。(本文来源于《电脑编程技巧与维护》期刊2018年11期）
刘刚[4]（2017）在《基于DSP的固定场景视频消抖快速算法研究与实现》一文中研究指出随着视频监控产品市场的繁荣,户外视频监控产品种类越来越多,应用场合也越来越广泛。此类产品的摄像头容易受到外界环境因素的干扰,比如吹风或摄像头基座晃动,导致成像视频画面的抖动。抖动的视频会使观察者产生视觉疲劳,造成对视频内容信息的误判;同时,视频抖动会严重干扰后期应用的一些视频处理的效果。因此,消除监控视频的抖动已成为一个亟待解决的问题。视频消抖,也被称为稳像,是计算机视觉领域重要的研究方向之一,其实质是利用几何变换关系补偿图像序列间的非规则运动,以实现视频的稳定。针对固定场景的视频,即拍摄视频的摄像头没有大幅移动、监控固定区域,本文分析了该场景视频抖动的特点,研究了稳像的原理和系统结构,深入探讨了固定场景稳像各环节的关键技术,包括图像变换模型、全局运动估计、运动补偿和稳像质量评价方法。针对稳像的现实需求,本文提出了一种固定场景的视频消抖算法,完成了在监控产品DSP处理器上运行的稳像算法库的开发。具体的研究内容和成果如下:综合考虑时间开销和计算精度后,设计出以Harris角点检测算子和金字塔LK光流法为基础的全局运动估计算法,选择描述图像变换充分的单应性模型,同时通过特征点的布局优化、角点亚像素化、RANSAC剔除干扰因素和单纯形法优化运动参数这四个措施来提高运动参数估计的精度。在运动补偿环节,采用逆映射法和双线性插值提高重构图像的质量。多个方法的评价结果显示,该算法能快速、有效地解决固定场景视频抖动的问题。为了充分利用DSP的硬件资源,提高稳像算法库的运行速度,使用了 5种优化稳像代码的方法。这5种方法包括:(1)改善软件流水,提高并行化处理速度;(2)编译器优化,使编译器编译出高效的代码;(3)浮点运算转定点运算,体现DSP的计算优势;(4)使用内联函数和软件库,将部分函数的运行效率提高到汇编级;(5)设计DMA搬移数据,让CPU专心负责运算。对于720×480分辨率的视频,这些优化工作使得稳像程序的运行耗时从2300毫秒/帧降低到40毫秒/帧,从而能够满足实时性的要求。(本文来源于《中国科学技术大学》期刊2017-05-01）
黄健鑫[5]（2017）在《固定场景下基于轮廓提取视频压缩方法研究》一文中研究指出如今视频监控被应用于各种场所。而视频图像的在线传输和存储的要求也越来越高:即要求更低的带宽和更小的存储空间,同时也要求更高的清晰度,这就对视频的编码解码提出了更高的要求。优质的视频编码目前被很多人所关注,监控视频的编码提升空间也还非常的大,在目前的视频压缩编码方法中,H.264及AVS等编码方法被广泛的使用,并且这些编码方法依然有着很大的提升空间。本文根据监控视频编解码的需求与特性,分析了目前视频压缩编码中存在的问题,提出了相应的改进,主要包含以下方面:1.根据现已存在的背景建模算法,提出适了一种基于像素点统计的背景建模方法,即通过统计像素点值的参数情况,确定背景像素点值,实现背景图像的建立,将建立的图片作为背景参考帧。2.在传统的监控视频图像中,通常会有大片的静止图像部分,而我们关注的重点往往是视频图像中运动的部分,因此静止图像部分会浪费大量的码流。为了消耗更少的码流同时也拥有更高的视频图像质量,本文提出了一种静止图像与运动图像分开编码的方法。静止图像编码采用跳过编码模式,并且加入背景建模生成的图片,将其作为参考帧。运动图像则采用运动宏块着重编码而静止宏块简单编码的方法,最后通过图像重建完成一帧图像的编码。3.为了提升编码器的性能,更改了传统宏块滤波的实现方法,即不再通过循环确定边界强度,而是通过不同的视频帧而采用不同的边界强度的方法。4.实现了经过修改的H.264编码方法的监控系统,修改了X264部分的代码,使之可以实现之前提出的H.264编码方法。通过LIVE555以及FFMPEG、VLC等库协助编写完整的实时视频监控系统。(本文来源于《电子科技大学》期刊2017-03-08）
李岩[6]（2016）在《固定场景中运动目标检测与运动估计跟踪》一文中研究指出由于计算机技术、图像处理、人工智能、计算机视觉等科学研究的深入,智能监控越发受到研究人员的关注。运动目标检测与跟踪是智能监控的基础,从背景中快速准确地提取出运动目标并进行准确跟踪是本研究的目的。目标检测算法对复杂背景的稳定性以及目标跟踪算法同时保持准确性和实时性成为研究课题。本文以固定场景中运动目标为研究对象,研究了运动目标的检测与跟踪,主要工作以及研究结果如下:本文首先介绍了几种视频中运动目标的检测方法和图像数学形态学处理方法。对数学形态学后处理过程中结构元素大小的选取进行了讨论,并对比几种运动目标检测方法的算法实时性和准确性。基于对比结果,综合高斯混合模型背景建模法和帧差分法的优点,规避各自的缺点,给出了一种基于渐消特征描述子的高斯混合模型算法。该算法围绕高斯混合模型进行改进,通过对单帧图像进行特征描述,确定帧图像的复杂性,经过非极大抑制后,引入掩模思想建立像素点之间的空间相关性,采用具有渐消因子的特征描述子解决像素点的时间相关性问题,使得改进的高斯混合模型算法能够根据场景复杂度自适应调节模型个数。随后与帧差分法相结合,根据场景的稳定度合理降低模型个数,减少计算冗余。其次,概述了贝叶斯框架下的最优估计方法。计算机视觉跟踪可以理解为对后验概率进行求解,基于贝叶斯框架的KF、UKF及IMM能够求解后验概率,从而实现基于运动估计的目标跟踪。对比了KF、UKF和IMM的跟踪性能,针对运动目标非线性和运动模型误差问题,尝试使用UKF解决目标方程非线性问题、使用IMM解决运动模型误差问题,保证对视频目标跟踪的精度。随后对IMM模型集选取进行了讨论。最后,介绍了两种常用的自适应采样周期算法,基于自适应采样周期算法,针对视频目标位置近似过程中过多舍弃有用信息的问题,研究了一种使用运动目标面积变化率和位置预测协方差共同表征目标机动特征的方法。使用运动目标面积变化率表征非刚体目标的运动姿态变化,降低单独依靠滤波残差调整采样周期产生的滞后性问题。并通过比较分析残差,选用计算量更小、对模型误差更灵敏的预测残差作为目标非机动状态下采样周期的调节依据。仿真实验表明在确保所需跟踪精度的条件下,降低了平均采样周期,节省了系统资源。(本文来源于《郑州大学》期刊2016-05-01）
孙宇超,张军[7]（2016）在《固定场景下快速电子稳像算法的实现》一文中研究指出提出一种可应用在固定场景条件下的快速电子稳像算法。通过检测参考图像与当前图像的ORB特征,利用汉明距离匹配特征,将匹配好的特征点代入仿射变换模型,求得2幅图像间的全局运动矢量并代入仿射变换模型,对当前图像进行变换,从而实现稳像目的。为达到更好的稳像效果,在图像预处理阶段对图像进行高斯滤波,滤除图像的噪声;同时对在求得全局运动矢量使用的特征点对的选择上采用点线法进行判定,保证求得全局运动矢量的精度。实验结果表明,该算法能够实现在固定场景下的稳像,并具有较好的实时性。(本文来源于《天津职业技术师范大学学报》期刊2016年01期）
薛建博,周闻[8]（2015）在《浅谈中小演播室多栏目固定场景的灯光设计——以陕西广播电视台250m~2演播室为例》一文中研究指出以陕西广播电视台250m2演播室为例,分析电视台中小演播室多栏目固定场景的灯光设计特点和注意事项。(本文来源于《演艺科技》期刊2015年02期）
张承玺[9]（2014）在《固定场景下的人体姿态识别》一文中研究指出智能监控是利用现代信息技术发展起来的新技术,具有内容分析功能。带有运动物体识别的监控系统可以忽略掉大量无用信息,提取到关键信息,并依据规则自动作出判断,从而节省大量的人力成本。固定场景下的人体姿态识别技术可以应用于家庭监控,如对独居家中老年人摔倒情况的识别。通过监控识别出特殊的人体姿态,以便及时作出响应。本文主要研究了固定场景下人体姿态检测与识别相关技术,设计了一种基于支持向量机(SVM)的姿态识别方法。本方法将处理过程分为前景提取、特征向量提取、姿态分类识别叁个步骤,逐步实现了固定场景下的人体姿态识别。文章首先研究运动前景物体提取算法原理与实现,改进了Codebook背景建模法,使之更贴近实际使用环境。针对灯光开关瞬间的检测,提出当图像中一定数量以上像素亮度同时改变,认定为正在进行灯光的开关操作,并使用此时的图像帧进行背景模型更新。通过经验值,设定背景图像更新速度。在特征向量提取过程中,设计了一种特征角描述法:以前景图像外接矩形中心为原点建立坐标系,计算图像在四个象限的质心与原点连线同x轴夹角正切值,用四个正切值来表示姿态特征。同时,本文研究了特征提取,通过计算前景图像的几何特征,如宽高比、轮廓长度与所围面积比、离心率等,利用这些参数构成特征向量反映人体姿态。姿态分类过程使用了支持向量机方法,依据算法要求,采集各种人体姿态图像样本,提取样本特征数据集,以此数据集训练分类器。将学习训练得到的分类器应用于检测过程,从而达成姿态识别的目的。本文所设计的固定场景下姿态识别系统更切近于实际应用。改进了固定场景下人体姿态识别步骤中相关算法,使之更符合应用环境。设计出一个较为完整的系统,将各个模块较好的整合在一起。将前景检测、后处理、分类识别这些过程有机的融合。实现了对诸如站立行走、弯腰行走、爬行等一些姿态的识别,识别率较高。本文可以简单总结为:完成了一个姿态识别系统,利用摄像头辨识视频中的移动目标,通过分类算法确定该动态目标的姿态,同时将姿态识别结果回显至监控视频流中,得到了良好的效果。(本文来源于《哈尔滨工业大学》期刊2014-12-01）
刘樟伟,潘晓东,谭华春[10]（2013）在《基于固定场景视频的运动车辆检测》一文中研究指出为提高智能交通系统中运动车辆检测的效率,在固定场景视频下基于类Haar特征和AdaBoost算法提出了一种运动车辆检测方法。通过提取交通监控图像的扩展类Haar特征,在OpenCV平台上应用AdaBoost算法进行特征提取及训练得到级联分类器,利用级联分类器进行固定场景视频的运动车辆检测。测试结果表明,该方法具有良好的实时性和鲁棒性,在智能交通领域有广泛的应用前景。(本文来源于《公路工程》期刊2013年05期）
固定场景论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
退役动力电池的梯次利用不仅可降低电池的使用成本,还可缓解回收退役电池的环境污染压力。为了定量确定动力电池退役点,本文提出了一种基于生命周期分析(LCA)定量分析方法。将动力电池梯次利用的生命周期划分为生产、作动力电池、重组、作储能电池和回收利用5个阶段,将电池的容量衰退与生命周期分析模型结合,在不同的二次应用场景下分析了电池的碳排放量随动力电池退役时的健康状态(SOH)变化情况,研究了退役点选择对电池寿命和环境的影响。研究表明,动力电池在SOH为85%～90%时退役可达到较小的碳排放量。在固定二次应用场景下,电池操作的放电深度(DOD)越小,则电池寿命越长,且碳排放量变化很小。研究为动力电池退役点的确定提供了定量分析方法,可为动力电池梯次利用提供指导。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
固定场景论文参考文献
[1].王亚朝,赵伟,徐海洋,刘建业.基于轻量型卷积神经网络的非固定场景天气识别算法[J].电子测量技术.2019
[2].王韬翔,康丽霞,刘永忠.固定二次应用场景下基于LCA的动力电池退役点定量确定方法[J].化工进展.2019
[3].赵一秾.固定场景下的人体姿态识别[J].电脑编程技巧与维护.2018
[4].刘刚.基于DSP的固定场景视频消抖快速算法研究与实现[D].中国科学技术大学.2017
[5].黄健鑫.固定场景下基于轮廓提取视频压缩方法研究[D].电子科技大学.2017
[6].李岩.固定场景中运动目标检测与运动估计跟踪[D].郑州大学.2016
[7].孙宇超,张军.固定场景下快速电子稳像算法的实现[J].天津职业技术师范大学学报.2016
[8].薛建博,周闻.浅谈中小演播室多栏目固定场景的灯光设计——以陕西广播电视台250m~2演播室为例[J].演艺科技.2015
[9].张承玺.固定场景下的人体姿态识别[D].哈尔滨工业大学.2014
[10].刘樟伟,潘晓东,谭华春.基于固定场景视频的运动车辆检测[J].公路工程.2013
论文知识图
