基于全景视觉的目标跟踪方法研究

文章充分利用全景视觉具有360°视域的特点,将其引入视频监控领域,提出了一种基于全景视觉的目标跟踪方法。该方法基于多摄像机跟踪的思想,通过分析全景视觉的构造,将其分解为基于静态相关联多相机的跟踪。通过划分视场分界线,确定摄像机间的重叠区域,并对摄像机间相互关联关系进行描述和判断。当目标进入重叠区域时,通过同一目标在相邻视域中的关联实现目标交接,以达到在整个全景视觉中实现目标连续跟踪的目的。以全景视频中的行人跟踪为例,对文中所提的跟踪方法进行验证。实验结果表明,该方法可以有效解决多相机间的目标交接问题,实现全景视觉下目标的连续跟踪。     

复合场中的滚轮线

带电质点在正交的匀强电场(重力场)和匀强磁场中运动,轨迹为滚轮线.处理滚轮线问题的关键是构造匀速直线运动以平衡电场力(重力),从而将带电质点的运动分解为匀速直线运动和匀速圆周运动,简化问题的处理过程.     

极强激光场驱动超亮伽马辐射和正负电子对产生的研究进展

高功率超短超强激光脉冲的诞生开启了相对论非线性光学、高强场物理、新型激光聚变、实验室天体物理等前沿领域.近年来,随着数拍瓦级乃至更高峰值功率激光装置的建成,超强激光与等离子体相互作用进入到一个全新的高强场范畴.这种极强激光场与等离子体相互作用蕴含着丰富的物理过程,除了经典的波与粒子作用、相对论效应、有质动力效应等非线性物理过程外,量子电动力学(QED)效应变得格外重要,例如辐射阻尼效应、正负电子对产生、强伽马射线辐射、QED级联、真空极化等.本文主要介绍我们近年来在极端强激光场与等离子体相互作用中激发的QED效应以及伴随的超亮强伽马射线辐射和稠密正负电子对产生等方面的研究进展.     

习近平创新和发展群众路线探论

群众路线自其确立以来就是党一贯坚持并加以丰富和发展的根本工作路线、组织路线和领导方法。新形势下,习近平总书记根据新的时代要求、实践要求、理论要求为其拓展了新内容,充实了新思想,提出了新的实施方法,真实体现出党以人民群众为根本、为依托、为中心、为基础的“群众路线精神”,并且使之在党治国理政的各个方面都得到贯彻和发展。习近平总书记对群众路线的创新和发展对新形势下党的执政兴国具有重要的意义。     

一种三项CD共轭梯度法及其全局收敛性

在前人提出的三项PRP共轭梯度法的基础上,提出了一种三项CD共轭梯度法.与以往求解无约束优化问题的经典二项共轭梯度法不同,该算法的搜索方向是三项的,且在任何线性搜索下都具有充分下降性.在适当的条件下,证明了三项CD共轭梯度法在强Wolfe线性搜索下具有全局收敛性.     

随机型混流双边装配线仿真分析

在现有的确定型混流双边装配线平衡问题的基础上,考虑装配作业时间不确定性的特点,通过e M-Plant仿真软件建立了随机型混流双边装配线的仿真模型。该仿真模型对装配作业过程中可能遇到的不确定因素(工人作业时间随机变动)进行了仿真运行分析,仿真结果说明了:作业时间不确定因素对双边装配线各工位的平衡状况有重要影响。     

知识生产与使用的非对称及其机制构建

知识与一般商品一样生产出来,但知识在使用时不同于一般商品,知识可以永久使用,知识的生产与使用具有非对称性。正是这种非对称性,使得知识的生产和使用机制超出了一般商品的生产和使用机制。探讨知识的生产和使用机制将有利于提高知识经济的效率。     

基于LDA+kernel-KNNFLC的语音情感识别方法

结合K近邻、核学习方法、特征线重心法和LDA算法,提出了用于情感识别的LDA+kernel-KNNFLC方法.首先针对先验样本特征造成的计算量庞大问题,采用重心准则学习样本距离,改进了核学习的K近邻方法;然后加入LDA对情感特征向量进行优化,在避免维度冗余的情况下,更好地保证了情感信息识别的稳定性.最后,通过对特征空间再学习,结合LDA的kernel-KNNFLC方法优化了情感特征向量的类间区分度,适合于语音情感识别.对包含120维全局统计特征的语音情感数据库进行仿真实验,对降维方案、情感分类器和维度参数进行了多组对比分析.结果表明,LDA+kernel-KNNFLC方法在同等条件下性能提升效果最显著.     

径向流吸附器内部结构对变压吸附制氧效果的影响

建立了两塔径向流变压吸附制氧实验装置,研究了径向流吸附器的气体流动型式、外流道宽度和流道结构对制氧效果的影响。结果表明：对于变压吸附制氧,径向流吸附器采用向心流动最为合适;在实验条件下,外流道宽度减小到13 mm时,氧和氮分离效果最佳;与Z型流道相比,Π型流道结构改善分子筛的利用率,产氧效果最好。     

一种含参数的修正HS共轭梯度法及其收敛性

提出了一种含参数的修正HS共轭梯度法,该算法具有性质:1参数βBHSk不仅具有梯度值的信息还具有函数值的信息;2参数βBHSk是非负的;3其产生的搜索方向是充分下降的。在合适的条件下,证明了该算法在弱的Wolfe线搜索下具有全局收敛性,数值结果证明了该算法对于求解无约束优化问题的有效性。