高速运动立方体的视觉像一般不是方形体

在一般视角条件下，就高速运动立方体给出沿运动方向棱的视长度计算式和看到物体左右侧面的条件，指出侧面的视觉像呈旋转双叶双曲面或旋转抛物面状     

高速运动立言体的视觉像一般不是方形体

在一般视角条件下，就高速运动立方体给出沿运动方向棱的视长度计算式和看到物体左右侧面的条件，指出侧面的视觉像呈旋转双叶双曲面或转旋转抛面状。     

多普勒效应因子与表观时间和表观长度

本文讨论了在高速运动情况下对运动体的长度和时间的测量问题，揭示出当按通常意义进行测量时，由于视状光学畸变和信号行差的影响，使测得的长度和时间一般不满足洛仑兹变换的结果；由于视状光学畸变和信号行差效应分别叠加在洛沦兹长度收缩和时间膨胀效应上，使测得的表观长度和表观时间间隔按多普勒频移因子变化，而只有在特殊的条件下，洛仑兹变换的结果才可能实现．     

多普勒效应因子与表观时间和表观长度

本文讨论了在高速运动情况下对运动体的长度和时间的测量问题，揭示出当按通常意义进行了测量时，由于视状光学畸变和信号行差的影响，使测得的长度和时间一般不满足洛仑兹变换的结果；由于视状光学畸变和信号行差效应分别叠加在洛沦兹长度收缩和时间膨胀效应上，使测犁表观长度和表观时间间隔按多普勒频移因子变化，而只有在特殊的条件下，洛仑兹变换折结果才可能实现。     

高速运动物体的测量形象和视觉形象

本文根据狭义相对论关于时间和长度测量的基本概念，讨论高速运动物体的测量形象和视觉形象，指出这里存在两种不同的效应．从测量的角度来说，高速运动物体的测量形象确实是变扁了的；但从观察（或拍摄照片）的角度来说，高速运动物体的视觉形象在一定条件下不是变扁，而是转过一个与速度有关的角度，从而澄清对狭义相对论中有关菲兹杰惹－洛伦兹收缩的误解．     

高速运动物体视觉形象的几个问题

讨论高速运动物体几种形象之间的联系与区别，指出物体做Ｔｅｒｒｅｌｌ转动后的形象并非表现形象，并且在特定条件下，高速运动物体的洛仑兹收缩图象是可以看到的．     

超重失重可视仪

1超重失重可视仪的制作背景超重和失重是运动物体的视重不再等于物体重力的大小．目前实验室提供的演示仪器（图1），其力的示数盘随着物体一起快速运动，观察者很难读出视重的大小．为此，教师在教学中往往只能让学生感性的理解超重、失重现象，导致学生对力的变化印象不深刻，从而，在实际应用中往往抓不准现象的本质，出错率普遍偏高．     

物理定律的适用范围和条件

中学物理学所涉及的范围很广，涉及到运动学、力学、热学、电学、磁学、光学和原子物理等方面的内容，因此物理的概念、定理和条件．在教学中反复强调这些范围和条件，对学生学好物理学具有十分重要的作用．例如： １、经典的牛顿第二定律的适用范围是宏观物体低速运动的情况，物质的质量、所受的合外力和加速度之间的关系，即 ∑Ｆ＝ ｍａ．若当物体运动速度接近光速时，物质的质量就远远大于静止质量，因此在处理高速运动问题时，必须用相对论力学． ２、动量守恒守律的条件是物质或物体系在不受外力作用或所受合力为零时，物体或物体系的…     

关于35毫米棱镜补偿式高速摄影机设计中几个问题的探讨

普通相机是拍摄静止目标的,底片不动,在千分之一秒曝光时间内可以拍摄极低速运动的物体。而对于高速运动的物体,必须用每秒几百幅至数十万幅的高速摄影机拍摄。为了使高速运动的物体成像清晰,把高速流逝过程记录下来,要解决两个问题。     

万有引力定律的狭义相对论形式

万有引力定律的狭义相对论形式收稿日期：１９９７年１０月２５日李武钢（梧州师专物理系贺州市５７４０００）牛顿的重要贡献之一是发现万有引力定律。牛顿的万有引力定律是经典的，即非相对论的。对于物体在高速运动的条件下（狭义相对论范畴。注：本文不涉及广义相...     

基于感兴趣区域的幅型比变换新方法

基于人类视觉系统对运动目标比较敏感的特性,提出了一种新的幅型比变换方法.综合时空信息提取视频序列中的运动目标,利用图像修复技术对被提取运动目标后的视频图像进行背景修补.采用插值算法以不同的方式分别缩放运动目标和修复后的背景,并将变换后的运动目标与背景相叠加合成相应幅型比的视频图像.实验结果表明：此方法避免了已有幅型比变换方法的缺陷,保证了变换后运动目标的无失真性,与人类的视觉感知有较好的一致性.     

Background updating and shadow detection based on spatial, color, and texture information of detected objects

Background model updating is a vital process for any background subtraction technique. This paper presents an updating mechanism that can be applied efficiently to any background subtraction technique. This updating mechanism exploits the color and spatial features to characterize each detected object. Spatial and color features are used to classify each detected object as a moving background object, a ghost, or a real moving object. The starting position of each detected object is the cue for updating background images. In addition, this paper presents a hybrid scheme to detect and remove cast shadows based on texture and color features. The robustness of the proposed method and its effectiveness in overcoming challenging problems such as gradual and sudden illumination changes, ghost appearance, non-stationary background objects, the stability of moving objects most of the time, and cast shadows are verified quantitatively and qualitatively.     

Background subtraction based on time-series clustering and statistical modeling

This paper proposes a robust method to detect and extract silhouettes of foreground objects from a video sequence of a static camera based on the improved background subtraction technique. The proposed method analyses statistically the pixel history as time series observations. The proposed method presents a robust technique to detect motions based on kernel density estimation. Two consecutive stages of the k-means clustering algorithm are utilized to identify the most reliable background regions and decrease the detection of false positives. Pixel and object based updating mechanism for the background model is presented to cope with challenges like gradual and sudden illumination changes, ghost appearance, non-stationary background objects, and moving objects that remain stable for more than the half of the training period. Experimental results show the efficiency and the robustness of the proposed method to detect and extract the silhouettes of moving objects in outdoor and indoor environments compared with conventional methods.     

基于智能视觉的车辆事故预警监控系统设计

针对车辆行驶中驾驶员视觉盲区或注意力不集中而造成的交通事故问题,提出采用智能视觉技术对车辆行驶过程中四周的异常物体进行视频监控,对动态视频场景中的运动目标进行检测、识别与实时测距,通过车辆智能视频监控系统最大程度的为驾驶员提供更多预警信息,预防交通事故的发生。本文介绍了车辆智能视觉监控系统的硬件设计方法与软件工作流程,并研究了运动目标检测算法与单目视觉测距算法,通过仿真实验,验证了本智能视觉车辆监控系统对于运动目标进行检测、识别与智能测距判断的实验结果。     

Rapid line scan technique for artifact-free images of moving objects.

Moving objects (e.g., heart, lung, chest wall, etc.) typically cause artifacts to appear in two-dimensional Fourier transform ("spin warp") images. The rapid line scan (RLS) technique is a simple inexpensive technique that can rapidly produce artifact-free images of moving objects, without requiring enormous magnetic field gradients or periodic motions. The basic concepts and potential industrial applications of the RLS technique are described.     

真实场景下视频运动目标自动提取方法

视频运动目标跟踪逐渐成为研究热点并应用到军事民用等领域,为了能够从真实场景中快速准确地提取视频跟踪单运动目标或多运动目标,提出了一种新的运动目标自动提取方法。首先通过自适应阈值获得滤波后的相邻帧差值图像。其次,为了消除差值图像中噪声的影响,标记此二值图像的连通像素来检测出运动目标所在的区域,并与边缘检测出的空间信息结果比较得到运动目标模型。最后,将图像分成若干区域,在每个分区域内依次连接每个运动目标模型的最外围轮廓点,由此构成目标闭合轮廓。利用得到的连续边界,对运动目标进行提取。实验结果表明,该算法能够有效地自动提取速度不同的单运动目标,同时能够提取多运动目标。     

TDI imaging-a tool for profilometry and automated visual inspection

TDI imaging is introduced as a solution to industrial web inspection under low-light illumination. In addition to the original purpose of recording clear blur-free images of the objects moving over industrial platforms, it can also be used as a tool for profilometry and automated visual inspection when coupled with proper structured light illumination modules. This paper illustrates a system employing a pulsed laser diode, uniform intensity line generating optics and a high-speed TDI imager for recording structured light patterns from rotating cylindrical objects. Defect or shape information is coded as distortions in a regular grating pattern recorded by the TDI imager. The shape or defect profile is retrieved by employing Fourier transform and scanning spatial phase detection techniques.     

动态背景下基于光流场分析的运动目标检测算法

针对现有动态背景下运动目标检测算法的不足,提出一种基于光流场分析的运动目标检测算法.首先根据前背景在光流梯度幅值和光流矢量方向上的差异确定目标的大致边界,然后通过点在多边形内部原理获得边界内部的稀疏像素点,最后以超像素为节点,利用混合高斯模型拟合的表观信息和超像素的时空邻域关系构建马尔可夫随机场模型的能量函数,并通过使目标函数能量最小化得到最终的运动目标检测结果.该算法不需要任何先验假设,能够同时处理动态背景和静态背景两种情况.多组实验结果表明,本文算法在检测的准确性和处理速度上均优于现有算法.     

基于自适应非参数统计模型的彩色目标跟踪算法研究

针对复杂环境条件下的视觉跟踪问题,提出一种基于自适应非参数统计模型的彩色目标跟踪算法。利用目标和背景之间的强度差别,基于自适应核密度估计模型对运动目标进行了非参数统计建模。为了实现具有较大范围运动目标的跟踪,在充分考虑目标和背景之间的相关性前提下,采用目标特征统计的背景加权直方图对搜索区域进行了扩大。为了提高对环境变化的适应能力,根据目标和环境的变化自适应更新目标特征分布模型。通过对实际图像序列的实验,结果表明该算法能够有效跟踪运动目标,并且平均迭代次数比传统方法减少了37.28%。     

基于大数据分析的移动对象轨迹预测方法

对移动对象的轨迹预测将在移动目标跟踪识别中具有较好的应用价值。移动对象轨迹预测的基础是移动目标运动参量的采集和估计,移动目标的运动参量信息特征规模较大,传统的单分量时间序列分析方法难以实现准确的参量估计和轨迹预测。提出一种基于大数据多传感信息融合跟踪的移动对象轨迹预测算法。首先进行移动目标对象进行轨迹跟踪的控制对象描述和约束参量分析,对轨迹预测的大规模运动参量信息进行信息融合和自正整定性控制,通过大数据分析方法实现对移动对象运动参量的准确估计和检测,由此指导移动对象轨迹的准确预测,提高预测精度。仿真结果表明,采用该算法进行移动对象的运动参量估计和轨迹预测的精度较高,自适应性能较强,稳健性较好,相关的指标性能优于传统方法。