运动识别
共 31 篇文章
运动识别 相关的电子技术资料，包括技术文档、应用笔记、电路设计、代码示例等，共 31 篇文章，持续更新中。
光流法在运动目标识别领域的理论与应用
<span id="LbZY">在介绍运动检测以及光流的基本概念的基础上引出基于光流方程的两种常用的图像分析方法--梯度法、块匹配法；通过对光流法在红外图像序列的运动目标检测、活动轮廓模型以及医学图像处理方面的应用来阐述这两种光流法的优缺点进行分析从而得出光流法在运动图像识别领域具有较大的优势，最后对光流法在未来其他领域的应用提出展望。</span><br />
<br />
小型炸弹的地面爆炸景象实时模拟
<span id="LbZY">通过分析小型炸弹爆炸的物理现象，建立了构成炸弹爆炸粒子的初始状态模型，结合爆炸粒子的受力情况，给出了爆炸粒子的运动状态模型。利用粒子系统基本方法，实现了小型炸弹爆炸外观景象的模拟。实验结果表明，采用该模型可以实现实时的爆炸效果模拟，通过控制和调整参量，可以获得多种不同类型的爆炸效果。<br />
<img alt="" src="http://dl.eeworm.c
HHT方法在探地雷达回波信号特征提取上的应用
<span style="color: rgb(0, 0, 0); font-family: 'Trebuchet MS', Arial; font-size: 11.818181991577148px; line-height: 20.909090042114258px; ">探地雷达回波信号是一种非平稳非线性信号，其中不仅包含地下埋藏物的目标信号，还包含有可能掩藏目标信号的直达波信号，给目标的
改进的基于模型匹配的快速目标识别
<span id="LbZY">文中建立不同类型目标的模型匹配数据库；采用最小周长多边形构造目标主体轮廓的近似多边形，以简化目标主体轮廓减少算法处理的数据量；提取具有仿射不变性的多边形顶点个数、最长线段两侧顶点个数、同底三角形面积比向量特征不变量对待识别目标进行描述，应用3个特征量在模型匹配数据库中逐一进行分层遍历搜索匹配。实验表明，基于模型匹配的目标识别算法能够快速的识别目标，提高了目标识别的实
基于GT-800的贴片机控制系统
摘要：介绍了基于数字信号处理(Digital Signal Processor,DSP)的运动控制器GT-800在贴片机控制系统中的应用。该系统采用以PC机为上位机、GT-800运动控制器为下位机的硬件结构，上下位机之间的通讯采用基于ISA总线的双端口RAM的模式，系统的软件设计采用基于VisualC++6．0的软件设计模式。<BR>关键词：GT-800运动控制器；贴片机；运动控制；机器视觉
空管模拟训练中指令的语音识别与合成技术研究
<span id="LbZY">空中交通管制指令标准用语的训练是空管模拟训练中的重要内容。本文对空管模拟训练中指令的自动语音识别及自动语音合成应答问题进行了分析研究，包括：指令标准用语基本特征的分析，语言模型的文法设计，指令特殊发音的处理，多次应答的处理等，并基于开源语音识别引擎及语音合成引擎，设计并实现了一个语音指令识别及合成系统AIRSS. 系统实验数据分析表明，应答响应时间及语音合成的效果可
电子元器件的识别
<p> 电子元器件的识别</p>
脉搏波信号降噪和特征点识别研究
对脉搏波的完全分析是建立在含有少量噪声且较为清晰的脉搏波信号中，然而在采集脉搏波信号时容易受到多种干扰的影响，使其提取出来的脉搏波含有大量的噪声，因此降噪处理显得尤为必要。同时，脉搏波中含有人体生理病理信息，不同的人将表现为不同的特征，可以看出确定脉搏波特征点对于分析人体生理健康很有意义。针对信号去噪问题采用小波变换和多分辨率分析的方法，该方法在时域和频域都能表征信号局部信息的能力，且具有对信号具
基于卡尔曼滤波与Mean Shift的运动车辆跟踪
<span id="LbZY">针对Mean Shift算法不能跟踪快速目标、跟踪过程中窗宽的大小保持不变的特点。首先，卡尔曼滤波器初步预测目标在本帧的可能位置；其次， Mean Shift算法在这点的邻域内寻找目标真实的位置；最后，在目标出现大比例遮挡情况时，利用卡尔曼残差来关闭和打开卡尔曼滤波器。实验表明该算法在目标尺度变化、遮挡等情况下对快速运动的目标能够取得较好的跟踪效果。</span><
一种改进的LPCC参数提取方法
<span style="color: rgb(0, 0, 0); font-family: 'Trebuchet MS', Arial; line-height: 21px; ">为了提高语音信号的识别率，提出了一种改进的LPCC参数提取方法。该方法先对语音信号进行预加重、分帧加窗处理，然后进行小波分解，在此基础上提取LPCC参数，从而构成新向量作为每帧信号的特征参数。最后采用高斯混合模型（GM
基于帧间差分与模板匹配相结合的运动目标检测
<span style="color: rgb(0, 0, 0); font-family: 'Trebuchet MS', Arial; line-height: 21px; ">基于图形处理器单元（GPU）提出了一种帧间差分与模板匹配相结合的运动目标检测算法。在CUDA-SIFT（基于统一计算设备架构的尺度不变特征变换）算法提取图像匹配特征点的基础上，优化随机采样一致性算法（RANSAC）剔除