针对目前手势识别方法计算复杂、特征量提取不可靠等问题,提出基于Kinect传感器深度信息快速动态手势识别算法。通过Kinect的深度摄像头获取深度图像,利用阈值分割法对深度图像进行预处理;结合深度信息,利用OpenCV函数库来提取前景;选用动态时间规整(dynamic time warping)算法计算测试行为模板与参考行为模板之间的相似度以实现样本的分类;最终结合OpenNI和OpenCV,在VS2010环境下实现了该算法。与其他算法相比,该算法改进动态手势特征的提取方法和分类过程,能够快速跟踪手部,有效分割手势。实验结果表明,本方法对具有时空特性的动态手势有很高的识别率,在不同光照和复杂背景下具有较好的鲁棒性。
针对现有视频监控系统智能化的视频分析功能不足的问题,利用海康监控系统的SDK开发包,获取实时视频流,并结合码本和尺度不变局部三元模式(scale invariant local ternary pattern,SILTP)纹理描述符构建背景模型,进行了移动目标检测和跟...
详细信息
针对现有视频监控系统智能化的视频分析功能不足的问题,利用海康监控系统的SDK开发包,获取实时视频流,并结合码本和尺度不变局部三元模式(scale invariant local ternary pattern,SILTP)纹理描述符构建背景模型,进行了移动目标检测和跟踪研究。实验结果表明,与现有系统相比,该方法检测到的目标完整充实,能够获得目标的轮廓与轨迹,有效提升了原有监控系统的性能。
针对Petri网理论与方法在服务计算中的应用,从Web服务执行的角度,在定义Web服务组合的Petri网的基础上,给出Web服务组合的Petri网的自动生成方法.首先对Web服务的Petri网描述,通过利用Web服务的输入、输出等元素的本体定义为Petri网中相应库所元素添加语义标签,得到Web服务的Petri网的PNML(Petri net Markup Language)+OWL(OntologyWeb Language)描述,其中PNML部分描述Petri网的网结构,OWL部分描述Petri网中各库所元素的语义标记;进一步,在已得到Web服务组合中各子Web服务之间输入/输出关联元素的基础上,确定各子Web服务的Petri网之间的可融合库所,通过执行可融合库所之间的库所融合操作,将各子Web服务的Petri网合并得到Web服务组合的Petri网,为Petri网相关理论与方法在服务计算中得到实际应用提供了必要的前提.
暂无评论