当前位置： ＞＞＞2012年人教版七年级政治下册第二单元做自立自强的人目标检测题
2012年人教版七年级政治下册第二单元做自立自强的人目标检测题揪错
找名校名卷--->>上
上,找“七年级政治人教版同步下册”更多相关试卷猜你喜欢——
最新更新试卷——加载中，请稍候...
加载中，请稍候...
商品编号：
京 东 价：
[定价：￥]
在线客服：
服务支持：
雷达目标检测与恒虚警处理-第二版
加载中，请稍候...
商品介绍加载中...
扫一扫，精彩好书免费看
服务承诺：
京东平台卖家销售并发货的商品，由平台卖家提供发票和相应的售后服务。请您放心购买！
注：因厂家会在没有任何提前通知的情况下更改产品包装、产地或者一些附件，本司不能确保客户收到的货物与商城图片、产地、附件说明完全一致。只能确保为原厂正货！并且保证与当时市场上同样主流新品一致。若本商城没有及时更新，请大家谅解！
权利声明：京东上的所有商品信息、客户评价、商品咨询、网友讨论等内容，是京东重要的经营资源，未经许可，禁止非法转载使用。
注：本站商品信息均来自于合作方，其真实性、准确性和合法性由信息拥有者（合作方）负责。本站不提供任何保证，并不承担任何法律责任。
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
浏览了该商品的用户还浏览了
加载中，请稍候...
iframe(src='///ns.html?id=GTM-T947SH', height='0', width='0', style='display: visibility:')苏教版小学六年级数学(上)第二单元目标检测题 内容详尽，但请以实际操作为..
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
苏教版小学六年级数学(上)第二单元目标检测题
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口各种目标检测方法介绍（懒人可以直接略过）
　　目标检测是一个老话题了，在很多算法当中都有它的身影。目标检测要做的就两件事：检测当前图片中有没有目标？如果有的话，在哪？按照先验知识和背景运动来划分的话，目标检测方法大概可以分为两大类：
　　第一，已知目标的先验知识。在这种情况下检测目标有两类方法，第一类方法是用目标的先验知识训练一堆弱分类器，然后这些弱分类器一起投票来检测目标，如boosting, &random forest 都是这个思路，大家熟知的adaboost人脸检测也是如此，这一类方法我会在以后的文章中讨论。第二类方法是根据先验知识找到目标和非目标的最佳划分线，如SVM.这两类方法各成一家，各有所长，都有着不错的表现。
　　第二，未知目标的先验知识。此时不知道要检测的目标是什么，于是什么是目标就有了不同的定义。一种方法是检测场景中的显著目标，如通过一些特征表达出场景中每个像素的显著性概率，然后找到显著目标。另一种方法就是检测场景当中的运动目标了，这也是本文下面将要讨论的重点内容。
　　在检测运动目标时，如果背景是静止的，so easy,略过。当背景也跟随一起运动时就比较麻烦了，现如今大概有两种方法来处理。第一种方法是背景补偿，即通过平移，缩放，仿射变换等计算出背景的运动，然后补偿背景再做差分。不过这种方法有两个问题，一是仿射变换运算量巨大，二是即使求出背景补偿向量，背景中的远景和近景的向量也会有相对误差，所以这种方法几乎不可行。第二种方法就是传说中的optical flow（光流）了，下面进入正文。
光流法的大致流程如下：
1.在一帧图像中选取大量的光流点（具体选取方法可以不同，如fast角点，随机选，等间隔选...)。
2.计算所有光流点的运动矢量(常用方法有LK光流，HS光流等）。
3.根据这些矢量和其它一些特征检测运动目标。
下面以一个具体例子进行分析
1.首先在一帧图像内随机均匀选取k个点，并滤除那些邻域纹理太光滑的点，因为这些点不利于计算光流
2.计算这些点与上一帧图像的光流矢量，如上右图，此时已经可以看出背景运动的大概方向了
3.接下来的这一步方法因人而异了。
2007年cvpr的一篇文章的方法是把这些光流点的（x, y, dx, dy, Y, U, V)7个特征通过meanshift聚类来聚合到一起，最后形成运动目标轮廓。
而我的方法很简单，只用到了(dx, dy)两个特征，如上左图，首先把所有光流点投射到直角坐标，图中的坐标轴是(dx,dy), 然后通过meanshift找到密度最大的(dx, dy)坐标点,也就是背景矢量最集中的位置（图中点的亮度越大代表该位置矢量的密度越大），如红圈所示,红圈外面的矢量就可以认为是运动目标了，如上右图所示。
　　补充：
　　最近问我问题的人太多了，补充几组实验图片供大家参考：
　　第一组是用dx,dy两个特征检测的结果：
　　第二组在dx, dy 的基础上混入了显著性（saliency）特征:
　　第三组同上
阅读(...) 评论()}