基于SLIC和马尔科夫随机场的H.264视频对象分割

为了提高H.264压缩域视频对象分割时的鲁棒性和准确性,提出了一种基于简单线性迭代聚类(SLIC)和图割优化的马尔科夫随机场(MRF)运动对象分割算法.算法直接利用从摄像机产生的H.264压缩码流中提取的运动矢量.首先对运动矢量场进行预处理,然后构建基于改进的SLIC分割的马尔科夫模型能量函数,最后利用图割法求解能量函数进而分割出运动对象.在公开的数据集上进行实验表明,与近年来经典压缩域视频对象分割算法相比,上述算法在复杂背景下可以有效提高分割的准确率和F度量,运算速度平均提高约1.85倍.与先进的像素域分割方法相比,运算速度提高了5倍,算法适用于实时性要求较高的视频监控场合,可有效减少数据存储和处理的内存需求.     

一种改进的基于全局最小能量泛函光流算法

在大位移、非刚性运动目标的复杂场景下,针对全局能量泛函过平滑导致目标形状严重丢失及大位移运动目标光流计算精度降低的问题,提出了一种全变分正则化(ROF)模型预处理输入视频帧,对图像的大尺度特征和图像变化的细小部分进行了分析.采用双三次插值法初始化亚像素层的光流矢量,设计了一种自适应邻域修正法,对光流矢量异常值进行了修正.实验结果表明:相比于传统Horn-Schunck光流算法与金字塔Horn-Schunck光流算法,光流的平均角误差和平均终点误差分别平均减少了87.86%,58.51%和89.44%,58.99%,有效地提高了算法精度.     

基于静态场景下的单目标徘徊检测及跟踪方法

提出了一种单目标徘徊检测及跟踪方法.该方法能够有效地对防区内有徘徊行为的对象进行跟踪报警,简单实现了监控方式由事后取证到提前预防的转变.目标的跟踪是通过背景差分方法检测出运动目标,然后利用矩形逼近目标轮廓,并把该矩形作为目标跟踪时的跟踪框,最后利用Camshift算法弥补背景差分方法的不足.实验结果表明,本方法能满足单目标徘徊跟踪的基本要求.     

计算机教育是信息化的基础工程

“国家信息基础结构”(National Information Instructure，NII)俗称信息高速公路，由美国率先提出，1994年西方七国部长会议又提出全球信息化计划，就是GII计划。信息化由此成为全球性的一个话题，成为二十世纪九十年代经济社会发展的一个热点问题。信息化的程度已经成为衡量一个国家综合技术水平和综合国力的主要标志，每个国家的政府都把它做为一个重要的任务，提到了重要的议事日程中，而且从全球范围来看，发展信息技术和信息产业，也是当今竞争的一个制高点。因此我们应从这样的高度和这样的紧迫性来认识我国加快信息化的战略意义。     

视频监控中运动目标检测和阴影消除

由于外界环境的复杂性,视频监控中检测出的运动目标往往轮廓缺损,并伴随阴影和噪声等问题.提出了一种方法用以改善轮廓、消除阴影和噪声.该方法首先利用五帧梯度图像的差分确定运动目标的变化区域,再与背景差分法的结果相或,获取了运动目标的完整轮廓.分析了阴影在HSV颜色空间的特性,用以消除阴影,并根据噪声的分布特性去除噪声.处理结果表明,处理速度为20 ms/帧,达到实时性要求,运动目标消除了阴影和噪声,具有较强的鲁棒性.     

SA4多小波包在CFA图像压缩中的应用

针对CFA图像高频分量多,不利于压缩,采用多小波包变换有效去掉了CFA图像频带间的相关性.根据SA4多小波分解后图像子带的特点,找出适合SA4多小波包变换的预滤波系数结构,利用子带间的相关性系数重组,使之更适合零树编码,提高了编码效率.仿真结果表明:新算法相比JPEG2000有更好的性能,复杂度低,计算量小,便于应用.     

基于不同类型Flash-ROM的Bootloader设计

嵌入式微处理器片内资源越来越复杂以至于离开操作系统管理的嵌入式系统将无法有效运行。如何根据开发板硬件资源来设计嵌入式操作系统的引导程序（Bootloader）,无疑是一个重点和难点。介绍了具有不同固态存储类设备的嵌入式开发平台上的Bootloader的概念、主要任务和实现分析等。对比了NAND Flash和NOR Flash的主要异同。以加载ARM-Linux操作系统内核为例,阐述了基于TI TMS320DM6446嵌入式系统开发平台上利用NAND及NOR Flash两类Flash-ROM（闪存）引导加载操作系统的软件设计方法。     

高等学校中的计算机基础教育

从80年代初起，我国先后出现了两次计算机普及高潮。第一次是随着改革开放，从80年代开始的。当时，全国值得计算机的人廖廖无几。改革开放带来了科学的春天，广大师生迫切要求学习计算机知识以开展计算机应用。许多学校敏锐地提出必须在高校非计算机专业中进行计算机教育。一些学校陆续开设了计算机课程?     

基于局部注意的快速视频目标检测方法

视频目标检测是对视频内的目标进行准确分类与定位。现有基于深度学习的视频目标检测方法通过光流传播特征,不仅存在模型参数量大的问题,而且直接将光流应用于高层特征难以建立准确的空间对应关系。提出一种轻量级的视频目标检测方法。通过设计一种特征传播模型,在不同帧的局部区域内将高层特征从关键帧传播到非关键帧,并将有限的计算资源分配给关键帧,以加快检测速度。构建动态分配关键帧模块,根据目标运动速度动态地调整关键帧选择间隔,以减少计算量并提高检测精度。在此基础上,为进一步降低最大延迟,提出异步检测模式,使得特征传播模型和关键帧选择模块协同工作。实验结果表明,该方法的检测速度和最大延迟分别为31.8 frame/s和31 ms,与基于内存增强的全局-局部聚合方法相比,其在保证检测精度的前提下,具有较快的检测速度,并且实现实时在线的视频目标检测。     

3G嵌入式智能视频监控终端的设计

提出了一种无线智能视频监控终端的设计方案,并选取了海思HI3515和SIM5216E分别作为终端的主控模块和无线通信模块,完成了整个终端系统的总体设计。