【摘 要】
:
介绍一种可移动的无线监控系统。采用ADI公司ADSP-BF531嵌入式处理器,通过并行外围接口(Parallel peripheral interface,PPI)采集图像信号,并通过nrf24L01对数据流实现无线传输。实际应用证明,该系统数据传输可靠,图像清晰.
论文部分内容阅读
介绍一种可移动的无线监控系统。采用ADI公司ADSP-BF531嵌入式处理器,通过并行外围接口(Parallel peripheral interface,PPI)采集图像信号,并通过nrf24L01对数据流实现无线传输。实际应用证明,该系统数据传输可靠,图像清晰.
其他文献
为了提高图像配准效率,对于机器视觉检测中相邻帧图像中的目标区(ROI)刚性偏移配准问题,提出了一种基于局部灰度梯度特征的快速算法。在样本和待配准图像相同几何方向上,先以方向边缘点检测算子检测目标区的数个边缘点作为特征点。以各边缘点为脊点,分别在其两侧对称求取有限数量像素的一维灰度梯度矩阵,并由此构建二维灰度梯度矩阵。根据两幅图像间的灰度梯度矩阵匹配程度来确定目标区的偏移量,进而配准图像。将本算法用
在多摄像机应用中,对各摄像机的视频进行同步是一个常用的基本步骤。大多数现有方法都依赖于特征点的检测和对应,往往复杂而且难以通用。该文致力于简单快速视频同步方法的研究,通过对常见同步问题的描述和分析,提出了一套基于事件序列匹配的视频同步框架——利用事件序列相关性来帮助寻找两段视频序列中的对应帧,通过全局投票的方法寻求最优帧偏移量。在动作识别和会议建档系统场景中的示例实验中都得到了正确的结果。误差分析
现有协作过滤算法评测中普遍采用单一数据集,而忽略算法可能受不同数据集特征影响的情况。针对这一问题,该文将传统的User-based(近邻数为20)、Item-based、Item average、Item user average和Slope One 5种算法应用于MovieLens和Book-Crossing两种数据分布特征不同的数据集,通过试验得到其评测精度。结果显示,在Movielens这种
为了提高虹膜识别系统的识别性能,提出了基于加权Hamming距离的虹膜匹配算法。在利用多尺度Gabor滤波器组提取虹膜纹理相位特征的虹膜识别系统中,不同尺度、不同方向的Gabor滤波器,甚至同一Gabor滤波器的实部和虚部对虹膜纹理的描述能力不同,其抽取的特征的鉴别能力也不一样。根据鉴别能力的差异,在计算Hamming距离时对不同滤波器的输出进行加权,利用加权后的距离进行身份认证。实验结果表明,与
为了提高在复杂背景、光照突变等因素干扰下视频序列目标跟踪算法的鲁棒性,提出了一种新的基于在线目标特征选择机制的跟踪算法。利用目标颜色信息和梯度方向直方图构造目标特征空间,用Gauss混合模型对目标特征集建模,分级选择机制在目标特征集中依据最大化信噪比准则选择最优的特征子集,生成概率权重图像。利用概率权重图像构造观测似然函数,在粒子滤波的框架下,实现目标的跟踪。实验结果表明:该算法可以有效地克服目标
为了简化三维物体的识别过程,提高三维物体识别的识别率,该文利用Multi-scale autoconvolution、Trace变换、Zernike矩3种仿射不变性特征,对飞机、汽车、人等三维物体进行视点空间划分,用尽可能少的不等间隔的三维物体的二维投影图像来表达三维物体,并以此为依据进行三维物体识别。在此基础上提出一种针对不同类型物体的仿射不变性特征提取策略,并建立一个实现三维物体任意姿态识别的
为了能够用更简易的手段解决视频监控系统中的摄像机参数获取问题,提出了一种基于场景中行人位置信息的摄像机自标定方法。先对由不同位置的行人轮廓中提取出的头脚点位置信息进行筛选,再通过极大似然估计求解出消失点与水平消失线,并根据消失点与消失线信息计算出摄像机的内外参数和投影矩阵。最后根据由重投影统计计算的误差评价系数,采纳RANSAC方法选取最优结果,实现了对参数的优化。实验表明:该方法有效降低了行人信
针对Mean Shift跟踪算法使用直方图描述目标颜色特征存在误差以及用试探的方式不能准确描述目标大小变化这2个问题,提出了一种能够准确表示目标颜色分布、适应目标尺寸连续变化的新的序列图像目标跟踪算法。该算法首先计算目标区域颜色概率分布的核密度估计函数,然后通过规整化每一帧输入图像像素在此函数上的取值生成目标概率分布图。最后通过检测多尺度规范化Laplacian滤波的极值,实现目标的定位和尺寸描述
为了提高现有的基于加速度计的步态身份认证方法的性能,提出了一种基于加速度特征点提取的步态身份认证方法。使用基于小波变换的方法提取步态加速度特征点,并使用动态时间规整算法对提取出的特征点序列进行匹配。为了验证该方法的性能,建立了一套步态加速度无线采集系统并采集了18个志愿者的步态信息。实验结果表明,该方法的身份认证平均错误率(EER)为6.9%。与现有方法相比,该方法有效地减少了步态模板的数据存储量
针对经典隐含Markov模型忽略了语音信号之间的依存关系的问题,提出一种线性特征变换——空间相关性变换,利用同一个说话人的不同语音单元之间的相关性(空间相关性)得到鉴别性能更好的新特征。该变换的最优变换矩阵在最小协方差准则下得到。识别系统采用新特征及其模型参数代替原特征及其模型参数进行Viterbi搜索。实现空间相关性变换的关键是最优变换矩阵的计算,提出了两种相应的算法。实验结果表明:该方法在说话