矩形框
- 基于Inception-ConCat-GraspNet神經(jīng)網(wǎng)絡的二維機器人抓取算法設計與實現(xiàn)
彥等[1]采用矩形框表示物體抓取位置來替代之前的點抓取法，而采用這種矩形框表達的抓取方法是機器人抓取的新應用，可達到比較理想的效果。隨著深度神經(jīng)網(wǎng)絡的發(fā)展，神經(jīng)網(wǎng)絡的應用似乎無處不在，在2019年，曹雛清等[2]也設計了一種新的深度神經(jīng)網(wǎng)絡算法，該算法完成機器人對物體的判斷和針對判斷而形成的位置。隨著不同的神經(jīng)網(wǎng)絡方法在機器人抓取問題的嘗試，卷積神經(jīng)網(wǎng)絡也被設計出來解決機器人物體抓取的問題，而李傳浩[3]、王斌[4]、黃家才等[5]、李秀智等[6]、李鵬飛
信息記錄材料 2022年11期2023-01-07
- 精沖零件實時分揀技術研究
首先用最小外接矩形框住進入視野的目標，然后設置兩個條件語句。條件一，矩形短邊的長度超過一個閾值；條件二，矩形中心點跨過“絆線”(圖1 中綠色豎線)。若條件一，二均為真，則認為該目標完全進入視野，沒有處于視野之外的部分，并且提取矩形框中的圖形作為ROI，流程圖如圖2 所示。目標進入視野時的情況如圖1 所示，時刻1 中，右側零件滿足條件一、二，矩形框為綠色表示已標記，標記為01 號零件；左側零件不滿足條件一、二，矩形框為藍色表示未標記，不進行標記編號。時刻2
鍛造與沖壓 2022年20期2022-11-08
- 數(shù)字電表圖像的檢測與識別
圖像中識別出的矩形框進行篩選和修正，解決首末位數(shù)字的檢測問題。再通過修正后的矩形框信息對數(shù)字進行切割，并送入數(shù)字識別部分。圖2 數(shù)字檢測部分算法流程2.1 ROI 提取通過攝像頭拍攝獲取彩色的電表圖像，由得到的樣本圖像可知，圖像獲取視窗基本涵蓋全部電子屏幕，讀數(shù)位于屏幕右側，屏幕區(qū)域邊框明顯，亮度與背景有明顯區(qū)別。圖3 為所選取的幾幅有代表性的電表圖像。圖3 老式電表樣本圖片為實現(xiàn)對數(shù)字的準確切割，將電表屏幕作為感興趣區(qū)域（Region of Intere
現(xiàn)代電子技術 2022年16期2022-08-15
- 車輛行駛中的前方車輛檢測方法研究
oost檢測的矩形框內如果有紅色像素點，則認為是車輛；如果AdaBoost檢測的矩形框內沒有紅色像素點，則認為此矩形框內沒有車輛，這個框是AdaBoost的誤檢，給與排除。2.3.5 合并矩形框訓練好的分類器就可以用來檢測目標了，并利用基于車輛尾燈存在紅色區(qū)域的特征來排除誤檢，但在檢測的過程中會出現(xiàn)矩形框重疊的現(xiàn)象，為了解決這一問題，需要做矩形框的合并。合并后的矩形框是包含了原來兩個矩形的最小外接矩形框。2.4 實驗結果與分析比較上面基于陰影特征的車輛檢測
電子技術與軟件工程 2022年5期2022-07-07
- 一種直升機避障電力線檢測方法*
別算法，利用正矩形框的坐標對其位置進行描述。然而，電力線是一類形狀細長、特征稀疏、隨著視角的變化容易混在大量背景信息中的特殊障礙物，常規(guī)電力線檢測識別算法得到的目標框對電力線所在位置的估計不夠準確，而電力線位置估計的準確程度直接影響飛機成功避開障礙物的概率。因此，本文通過估計電力線相對角度，提煉電力線位置范圍來提高電力線的位置準確度。電力線的絕對角度估計是一類回歸問題。角度的回歸需要結合角度標簽并設計相應的分支對其進行估計，計算量大，實時性不高，且電力線目
電訊技術 2022年3期2022-03-27
- 基于改進RetinaNet的電力設備紅外目標精細化檢測模型
況時，基于水平矩形框的目標檢測網(wǎng)絡只能給出目標概略位置，易發(fā)生目標檢測區(qū)域重疊，引入冗余背景信息，使得檢測結果不夠精細。針對此問題，提出在RetinaNet目標檢測網(wǎng)絡中引入旋轉矩形框機制，并在網(wǎng)絡輸入端引入Mosaic數(shù)據(jù)增強技術；將原特征提取網(wǎng)絡中ReLU函數(shù)替換為梯度流更平滑的Mish激活函數(shù)；在原模型FPN模塊后追加PAN模塊進一步融合圖像特征。最后利用現(xiàn)場采集的電力設備紅外圖像制作數(shù)據(jù)集，將改進后的模型與Faster R-CNN、YOLOv3、原
紅外技術 2021年11期2021-11-27
- 一種綠色環(huán)保的室內裝修地磚鋪設技術
的表面滑動套有矩形框，矩形框遠離連接塊的一端固定連接有固定塊，固定塊的內部螺紋插設有螺桿，螺桿的表面活動連接有夾板，固定塊的內部滑動插設有限位桿，限位桿的表面和夾板固定連接。連接塊的內部滑動插設有插桿，圓環(huán)的表面開設有圓孔，圓孔的尺寸和插桿的尺寸相適配。固定板的表面開設有通孔，矩形框的內部螺紋插設有插條，插條的尺寸和通孔的尺寸相適配。夾板的數(shù)量為四個，四個夾板每兩個為一組，夾板的表面固定連接有硅膠墊。工作臺的表面設有按壓結構，按壓結構包括滑框，滑框的表面和
科教創(chuàng)新與實踐 2021年35期2021-11-14
- 基于改進YOLOv4算法的零件識別與定位*
凸包和最小外接矩形框代替原有預測邊界框；最后，在制作的零件數(shù)據(jù)集上進行基于改進YOLOv4的零件識別與定位實驗。實驗結果表明，該基于改進YOLOv4算法的零件識別與定位方法提高了收斂速度和識別精度，可提供精準的零件凸包和最小外接矩形框，以及最小外接矩形框四個角點的坐標，可為工業(yè)智能制造中諸如分揀機器人的抓取檢測等工序提供更精準的定位依據(jù)。1 YOLOv4目標檢測算法2020年4月， Redmon J等接棒YOLOv3[14]，在原有基礎上，通過排列組合各種
組合機床與自動化加工技術 2021年10期2021-11-03
- 基于OpenCV形態(tài)學的發(fā)票定位研究*
進行定位：發(fā)票矩形框和發(fā)票打印字符。其中利用發(fā)票矩形框定位可以充分利用發(fā)票表格框線規(guī)整的特點來進行表格框線檢測并輸出坐標進行定位。劉長松［1］，白偉［2］等提出，以增值稅發(fā)票矩形框作為定位基準，利用矩形框兩條平行的橫線和豎線，通過投影法確定它的四個頂點來實現(xiàn)矩形框的定位。對發(fā)票進行版面分析，根據(jù)矩形框與各項目區(qū)域相對位置固定的特點，確定各項目區(qū)域的位置。該方法容易受到印章等因素的影響，若矩形框上有印章，則使用投影法定位速度無法保證并且靠投影波形定位矩形框容
計算機與數(shù)字工程 2021年4期2021-10-09
- 基于多特征融合的零件分類與姿態(tài)識別*
輪廓提取及最小矩形框擬合等步驟將場景中的5類零件從源圖中分割，用以后續(xù)的分類及識別工作。如圖5所示，針對以綠色最小矩形框無法直接分割圖像，而零件相距較近時，以矩形框分割則出現(xiàn)如圖6a所示，將非目標零件部分同時分割至一張圖中的問題，其解決步驟如下：(1)創(chuàng)建與藍色框同等大小的背景圖像；(2)將綠色最小矩形區(qū)域內像素點坐標減去藍色矩形框左上頂點坐標構成新像素點，同時將其三通道灰度值賦予新像素點；(3)將新像素點畫入創(chuàng)建的背景圖像中，其分割效果如圖6b所示。圖5
組合機床與自動化加工技術 2021年7期2021-08-02
- 組織結構圖數(shù)據(jù)聯(lián)動 更新巧實現(xiàn)
合”即可。利用矩形框設置公式在“單位月支出”工作表中畫一個矩形，選中該矩形，在公式編輯欄中輸入一個“=”號，點擊“1月份支出”工作表的C9單元格，回車后，矩形框中多了一個數(shù)據(jù)，這個數(shù)據(jù)是由剛才的公式提供的，相當于在矩形框中輸入公式“=‘1月份支出！C9”，因此會與“1月份支出”工作表的C9單元格“聯(lián)動”。將矩形框的邊框設置為“無”，填充顏色設置為“無”，移動到SmartArt圖的合適位置即可。其他月份支出的添加與上述的操作類似（圖4）。
電腦愛好者 2021年13期2021-07-08
- 基于多傳感器融合的復雜越野環(huán)境人員識別方法
的區(qū)域，并通過矩形框的形式給出各個人員在像素坐標系下的具體坐標位置，最后通過人員身份判別準則判定環(huán)境中人員是否存在、數(shù)量和位置等相關信息。圖1 融合激光雷達與攝像頭的人員識別系統(tǒng)2 方法設計2.1 改進殘差模塊的YOLO v3深度學習架構為了進一步提升YOLO v3深度學習網(wǎng)絡在復雜環(huán)境背景下對目標物體的識別性能，結合當前深度學習領域的熱點研究成果，本文提出了一種改進殘差模塊的YOLO v3深度學習網(wǎng)絡結構，如圖2所示。圖2中，改進殘差模塊的YOLO v3
汽車工程學報 2021年3期2021-06-16
- 面向多張CAD圖紙的文本信息自動提取與實現(xiàn)
息以不同類型的矩形框來區(qū)分。本文根據(jù)矩形框所具有的屬性特點對文本信息進行分類提取。其中，矩形框的構成方式包括多段線和屬性塊兩種。對于由多段線構成的矩形框中的文本信息，利用矩形框的任意2個對角坐標構建窗口選擇集來獲取文本信息，利用容量可動態(tài)變化的Vector數(shù)組或Cstring變量來存儲所提取的文本信息。對于由屬性塊構成的矩形框中的文本信息，分2類進行提?。寒斘谋拘畔⒉粚儆趯傩詨K的組成部分時（即文本信息不參與屬性塊的構建），根據(jù)矩形框的插入點坐標和尺寸構建窗
工程設計學報 2021年2期2021-05-14
- 基于距離加權重疊度估計與橢圓擬合優(yōu)化的精確目標跟蹤算法
以得到最佳旋轉矩形框，提升精度，進而提升算法整體性能。將本文算法應用在基線算法上，并在兩個通用標準數(shù)據(jù)集上進行了對比實驗，實驗結果驗證了本文算法的有效性。1 本文算法本文跟蹤算法主要包括兩個部分：距離加權的重疊度估計和橢圓擬合優(yōu)化輸出。如圖1 所示：前者包含動態(tài)錨框生成模塊、特征提取網(wǎng)絡、特征調制信息提取器、目標定位分類器、距離加權的錨框質量評價器（Distance weighted Intersection Over Union Predictor，DI
計算機應用 2021年4期2021-04-20
- 基于Faster R-CNN深度學習的網(wǎng)絡入侵檢測模型
并生成若干個以矩形框為劃分框的多個候選區(qū)域[6]。在基本神經(jīng)網(wǎng)絡的基礎上進行卷積和池化操作,將圖像樣本進行處理后獲得特征圖,通過特征圖訓練,減少了原始圖像樣本訓練規(guī)模,提高了訓練效率,在輸出多類別情況下,需要經(jīng)過分類器處理。深度卷積神經(jīng)網(wǎng)絡流程如圖2所示。設樣本集X=(x1,x2,…,xn),Mj個樣本特征圖通過第l層的卷積運算(1)式中:klj和bl,j分別表示l層特征圖j賦予的權重及偏置,*為卷積運算,其中f(·)的表達式為(2)卷積操作對象為n個樣本
南京理工大學學報 2021年1期2021-03-09
- 基于YOLOv3算法的多行紐扣計數(shù)
示的單通道計數(shù)矩形框。圖2 單通道計數(shù)矩形框Fig.2 Single channel counting rectangle單通道紐扣計數(shù)的步驟如下。①將采集到的圖像送入YOLOv3網(wǎng)絡,對紐扣進行檢測與定位。②獲取檢測到的紐扣矩形框中心點坐標，并判斷其是否位于矩形框內。當連續(xù)3次以上檢測到紐扣中心坐標位于矩形框，置紐扣標志位為1；當連續(xù)2次及以上未檢測到中心點位于矩形框的紐扣，置該標志位為0。③當標志位為下降沿，即標志位由1變?yōu)?時，紐扣數(shù)目加1?；谲浖?/div>
自動化儀表 2020年10期2020-11-13
- 用于機器人視覺引導的GrabCut算法的改進
根據(jù)人工標記的矩形框劃分前景和背景，分別計算圖像中的點到前景和背景的距離以及他們之間像素的距離[5]，把這兩個距離的線性組合當作圖中邊的分割能量權值，此時圖的分割問題就轉化為求圖中分割邊的能量最小值問題。2.1 算法的自動初始化針對GrabCut算法需要人工標記進行初始化的問題，本文將ORB特征檢測與GrabCut算法融為一體，把目標識別與圖像分割這兩個過程結合起來，利用匹配結果確定的目標區(qū)域對GrabCut算法進行初始化，以實現(xiàn)圖像的自動分割。目標區(qū)域確電子元器件與信息技術 2020年8期2020-11-12
- 基于邊框及亮度特征的人臉反欺騙研究
身份證、照片等矩形框，并且能在有遮擋、光亮噪聲等情況下均能識別。②通過實驗對于一個固定的場所，給出人臉區(qū)域光亮的特征。③使用手機框、身份證、照片作為實驗素材，驗證融合矩形邊框檢測和光亮特征的人臉非活體檢測算法，分析優(yōu)勢與不足。1 矩形框提取1.1 LSD算法提取線段LSD［6］算法是一種線段檢測算法，具有速度快、精度高（達到亞像素級）。LSD 算法運用兩個重要概念gradient（梯度）和level-lines（水平線）。創(chuàng)建單位向量場由每個像素點計算得到實驗室研究與探索 2020年9期2020-10-30
- 融合TLD框架的DSST實時目標跟蹤改進算法*
了整幀循環(huán)采樣矩形框，降低了算法的實時性。Danelljan等人[12]提出空間約束相關濾波器SRDCF(learning Spatially Regularized Correlation Filters for visual tracking)，將正則化的權重系數(shù)加入濾波器，得到更大的檢測區(qū)域，從而改善邊界效應中邊緣物體的檢測，提高了目標快速運動時的跟蹤魯棒性，但目標完全遮擋時容易丟失目標。Zhang等人[13]提出的快速壓縮跟蹤算法通過引入樸素貝葉斯計算機工程與科學 2020年9期2020-10-10
- 基于視頻的夜間車輛檢測與跟蹤
中提出一種建立矩形框來標記車輛的夜間車流量檢測和跟蹤的方法。首先，對圖像進行閾值化，提取可能為車燈的亮點，建立連通區(qū)域，再利用兩車燈連線的斜率接近于0，兩車燈之間的水平位置，兩車燈的面積應該是相近或幾乎相等及兩者之間的距離應該小于設定的閾值進行判斷，對車燈進行匹配。之后再適當放大匹配車燈的連線的長度，得到車頭寬度。進而根據(jù)車頭長寬比關系，確定其長度，從而得到車頭區(qū)域，通過矩形框保存好車輛信息之后，通過基于鄰域的方法進行車流量的統(tǒng)計跟蹤。1 算法描述車燈作為計算機技術與發(fā)展 2020年5期2020-05-22
- 一種面向結構化文本圖像識別的深度學習模型
塊得到文本區(qū)域矩形框坐標，可通過區(qū)域生成網(wǎng)絡(Region Proposal Network, RPN)[12]等網(wǎng)絡來實現(xiàn)。根據(jù)粗定位的矩形坐標在全局卷積特征中截取相應區(qū)域的特征，并通過可求導的特征對齊方式縮放至固定尺寸。再由文本區(qū)域精定位與屬性分類模塊獲得精確的文本區(qū)域坐標與文本屬性，根據(jù)文本屬性篩選出感興趣的字段區(qū)域。隨后，通過1次特征對齊得到用于識別的卷積特征，最后通過序列解碼得到每個感興趣字段區(qū)域內的識別結果字符串。至此，依次獲得輸入圖像中圖像文杭州電子科技大學學報(自然科學版) 2020年2期2020-04-08
- 基于FCN的多方向自然場景文字檢測方法
一起從而被一個矩形框檢測的問題。圖3 得分圖的生成圖4 得分圖對比對于標注的文字框四邊形Q（如圖3（a）黃色框所示），其中di(i=1,2,3,4)是四邊形左上頂點起順時針順序的頂點。為了縮小Q，首先計算每個頂點di的參考長度li，參考長度li，計算如下：其中L(di,dj)是頂點di與dj的L2 范數(shù)，首先收縮一個四邊形Q 的兩個較長的邊。對于四邊形的兩對邊，通過比較它們的長度的平均值來確定較長的一對邊，然后收縮兩個較短的邊。對于每個邊，通過將它的兩個端計算機工程與應用 2020年2期2020-01-17
- 多模態(tài)卷積神經(jīng)網(wǎng)絡的物體抓取檢測
檢測機器人抓取矩形框并將矩形框中的三維點云映射到抓取參數(shù)。Redom等[9]將一個卷積神經(jīng)網(wǎng)絡與Jiang等[10]提出的抓取矩形框結合起來，實現(xiàn)物體抓取框的獲取，但該方法的成功率并不高，還需要進一步完善。本文提出一種基于多模態(tài)卷積神經(jīng)網(wǎng)絡模型的最優(yōu)抓取位姿檢測的方法。由于單獨使用RGB圖像作為神經(jīng)網(wǎng)絡輸入時，物體抓取框預測結果易被圖像的背景顏色和圖案干擾，針對這個問題，本文對AlexNet卷積神經(jīng)網(wǎng)絡進行了改進，增加專門處理Depth圖像的神經(jīng)網(wǎng)絡，并將沈陽理工大學學報 2019年4期2019-09-13
- 利用免費DEM數(shù)據(jù)及制圖軟件繪制跨斷層場地圖
×600 m的矩形框，記錄矩形框的邊界坐標(用于控制生成等高線的區(qū)域邊界)，同時在矩形框中繪制比例尺、棄測測點、在用測點、測線等要素(如圖1)。3 生成等高線解壓下載到的數(shù)據(jù)文件，用Global Mapper打開文件名中帶“dem”的tif格式文件。通過Analysis-Generate Contours (from Terrain Grid)，生成目標區(qū)域的等高線。通過File-Export-Export Elevation Grid Format，輸出四川地震 2019年2期2019-07-26
- 基于單幀標注的弱監(jiān)督動作定位
頻的每一幀上用矩形框框住動作的執(zhí)行者。動作定位有著廣泛的應用前景，可以用來截取一段長視頻中只包含特定內容的片段，也可以用來追蹤監(jiān)控視頻頻中逃犯的逃跑軌跡等等。本文提出一種基于單幀標注的動作定位方法，這是弱監(jiān)督方法，不必標注訓練視頻中每一幀圖像，只需在每個視頻中標注一幀圖像即可定位動作。首先在訓練視頻每一幀上給出動作執(zhí)行者的矩形候選框，然后連接候選框形成候選動作軌跡，利用人工標注的矩形框去除大量不滿足條件的候選軌跡，同時對保留下來的候選軌跡打分，保留得分最高電子技術與軟件工程 2019年4期2019-04-26
- 一種汽車式起重機防傾翻方法的研究
與四支腿連接的矩形框進行比較。如果在矩形框內，起重機是安全的;超出矩形框，即存在傾翻危險。簡化目前常用的防傾翻措施，提高汽車起重機的安全性。關鍵詞：汽車式起重機;重心;矩形框;安全性汽車式起重機具有機動靈活的特點，在工程施工中得到廣泛應用。由于在施工作業(yè)中，起重機操作人員不按照安全操作規(guī)程操作使用、違章超載作業(yè)、非駕駛人員操作和非信號指揮人員指揮作業(yè)、作業(yè)中不重視支腿基礎設置等原因，造成汽車式起重機傾翻事故時有發(fā)生，導致人員受傷、財產(chǎn)損失，嚴重者機毀人亡，科學與技術 2019年3期2019-03-05
- 基于雙目攝像機的人臉活體檢測的研究
得到對應的人臉矩形框和人臉輪廓的68個特征點；硬件配置：處理器：Intel Core i5-6400，雙目攝像頭：Dual Web Camera Module；軟件配置：操作系統(tǒng)：Windows 10；集成開發(fā)環(huán)境：Visual Studio 2013；依賴庫：dlib、OpenCV300。2 活體檢測判別模塊聯(lián)合近紅外與可將光攝像頭裝置，依據(jù)近紅外與可見光攝像頭的成像特性，對于不同的攻擊進行有效的抵御。2.1 紅外攝像機成像特性近紅外光譜區(qū)波段為780-現(xiàn)代計算機 2018年35期2019-01-22
- 切割體的識讀方法
圖和俯視圖均為矩形框(單個矩形框或多個矩形框組合)，可以判定它是柱體的兩視圖。究竟是棱柱還是圓柱，取決于左視圖，如果左視圖是多邊形就是棱柱，如果左視圖是圓就是圓柱，這是第一種基本體，它的左視圖即是它的特征視圖。第二種，如圖1(b)，三視圖中如果有兩個視圖是三角形，那么這個組合體是錐。如果特征視圖是圓就是圓錐，特征視圖是多邊形就是棱錐。第三種，如圖1(c)，如果三視圖中有兩面視圖是梯形框，那么這個組合體是臺，如果特征圖是圓就是圓臺，如果特征圖是多邊形就是棱臺山東化工 2018年24期2019-01-17
- 初中數(shù)學深度學習之框之法
置的正方形或者矩形框住原來的正方形或者矩形，將復雜問題簡單化.2.斜放直角三角形直角三角形其實就是矩形的一半，我們同樣可以通過使用橫著放置的矩形框住斜著放置的直角來解決.上述問題中，難題是斜著或者吊著放置的直角三角形，而我們解決的方法是，用橫著放置的正方形或者矩形框住原來的直角三角形，將復雜問題簡單化.三、斜放線段框之法斜放直角的問題轉化為橫著或者豎著放的直角三角形問題，那斜放的線段可以轉化為橫放或者豎放的線段問題嗎？其實，我們可以用直角三角形框住斜放線段數(shù)理化解題研究 2018年26期2018-10-09
- 視覺感知啟發(fā)的面向出艙活動的物體識別技術研究
格負責預測2個矩形框，每一個預測的矩形框包括5個預測值：x、y、w、h、confidence。 其中（x，y）表示框的中心坐標，w和h分別代表矩形框的寬和高。卷積神經(jīng)網(wǎng)絡提取到的特征區(qū)域與二值化賦范梯度提取的特征區(qū)域進行重疊率的比較，選擇重疊率最大的區(qū)域作為識別出的物體的最終位置。同時，每個網(wǎng)格還預測物體相對于所有類別的條件概率，即該網(wǎng)格包含某物體的可能性。算法選擇概率值最大的類別作為物體的類別。圖4 基于深度卷積神經(jīng)網(wǎng)絡的物體識別與精定位Fig．4 Ob載人航天 2018年1期2018-03-22
- 基于無人機的自主式巡檢違章罰停系統(tǒng)
，降低候選車牌矩形框數(shù)量。（2）字符分割。將候選矩形框傳入SVM判斷模型即可得出車牌照片，下一步對車牌照片進行字符分割，首先先將車牌照片進行尺寸歸一化處理，統(tǒng)一轉化為長140，寬40的矩形框，進行高斯模糊處理，模糊車牌雜點，然后進行二值化操作，最后進行輪廓繪制，即可得到包含各個字符的矩形框，再傳入OpenCV神經(jīng)網(wǎng)絡CvANN_MLP進行字符識別。（3）字符識別。本步驟使用的是OpenCV自帶的人工神經(jīng)網(wǎng)絡類——CvANN_MLP進行字符識別，傳入的字符矩信息記錄材料 2018年4期2018-02-19
- 基于Grab Cut和區(qū)域生長的服裝圖像前景提取算法
的方法生成初始矩形框并進行前景提取. 由于該算法仍存在欠分割或過分割現(xiàn)象,故將該算法與區(qū)域生長算法相結合，給出了一種結合區(qū)域生長的全自動化Grab Cut算法. 實驗結果表明，無論對于單一背景還是復雜背景的圖像，改進算法的前景提取效果都明顯優(yōu)于傳統(tǒng)算法，不僅能準確獲取服裝前景區(qū)域，而且對于服裝內部的過分割問題也有很大的改善.前景提?。?Grab Cut算法； 區(qū)域生長算法； 服裝圖像檢索Keywords： foreground extraction; Gr華南師范大學學報（自然科學版） 2017年5期2017-11-02
- 專題地圖圖面要素自動配置方法的研究
例尺等因素，用矩形框表示圖面要素的大小和位置，簡化設計過程。最后，在CorelDRAW環(huán)境下，利用VBA技術實現(xiàn)文中所提出的方法。該軟件提供了多種地圖圖面要素配置模板供地圖設計人員選擇，能進行地圖圖面要素位置的自動沖突探測，可以為地圖設計人員提供一個標準化地圖圖面配置模板。圖面配置；自動化；視覺平衡；沖突探測隨著計算機技術、對地觀測技術、地理信息系統(tǒng)技術等的快速發(fā)展，地理信息服務已經(jīng)快速融入人們的生活。地圖作為地理信息服務產(chǎn)品的主要形式之一[1]，人們對其測繪工程 2017年10期2017-08-31
- 雙管齊下提取對話窗口文字
會用一個黑色的矩形框顯示出文字所在的范圍。如果這個矩形框選擇的正是用戶需要的文字信息的話，那么用戶就需要馬上松開鼠標左鍵，這樣矩形框中的文字就會被提取到GetWindowText軟件窗口的文字框里面（圖1）。接下來用戶只需要通過鼠標復制這些信息，就可以任意地粘貼到需要的位置上。窗口信息一網(wǎng)打盡GetWindowText這款軟件雖然操作起來非常的方便，但是它也有一些美中不足的地方，就是無法復制命令按鈕以及軟件菜單中的文字信息。那么如果用戶遇到這樣的信息需要提電腦愛好者 2017年8期2017-05-10
- 基于多特征值的服裝檢測與識別算法
標，并標出人臉矩形框。1.2 服裝迭代定位算法基于上文AdaBoost 算法得到人臉矩形框，通過多次試驗和人體測量學理論確定人的上身與臉部的比例，將矩形框進行一定比例的移動、放大，矩形框的最優(yōu)邊的選定是包含Canny算子邊緣檢測的邊緣點最多的邊，實驗發(fā)現(xiàn)這樣的粗定位方式具有不穩(wěn)定性。所以，本文進一步采用服裝矩形框的上邊與人臉矩形框的下邊同高度的矩形框通過迭代算法實現(xiàn)服裝的精確定位。Canny邊緣檢測算法是邊緣檢測領域的經(jīng)典算法，得到了很好的優(yōu)化和應用，其高實驗室研究與探索 2016年5期2016-12-06
- 基于快速歸一化算法的拉伸距離動態(tài)跟蹤測量*
采樣方法來加快矩形框跟蹤速度，達到跟蹤的實時性要求。同時本文采用雙曲正切函數(shù)擬合得到亞像素邊緣點，在試樣表面檢測標線邊緣，從而完成標線距離的測量。最后本文設計了軟硬件系統(tǒng)。實驗證明，本系統(tǒng)在保證測量實時性的前提下，實現(xiàn)了亞像素邊緣檢測。測量最大偏差不超過0.005 mm。視頻引伸機；動態(tài)跟蹤；快速歸一化互相關；亞像素邊緣檢測EEACC：7230doi：10.3969/j.issn.1004-1699.2016.09.005材料的軸向拉伸力學性能是材料的重要傳感技術學報 2016年9期2016-10-21
- 超長壓型板的垂直方向上的輸送裝置及輸送方法
，四角為圓弧的矩形框，所述的一對鋼筋從矩形框內底部兩角穿過，并各自用一個U形卡固定在矩形框底部兩角。所述輸送方法，是在地面設置壓板機，安裝所述輸送裝置，然后將板材展開，引入壓板機壓形成屋面板后通過人工或機械設備引導屋面板沿著鋼絲繩直到屋頂?shù)氖┕て脚_；前后兩卷的板材首尾相連并臨時鉚接起來，使輸送工作得以連續(xù)進行。該發(fā)明操作便利、加工連續(xù)，更安全和高效。科技資訊 2016年8期2016-05-14
- 超長壓型板的垂直方向上的輸送裝置及輸送方法
，四角為圓弧的矩形框，所述的一對鋼筋從矩形框內底部兩角穿過，并各自用一個U形卡固定在矩形框底部兩角。所述輸送方法，是在地面設置壓板機，安裝所述輸送裝置，然后將板材展開，引入壓板機壓形成屋面板后通過人工或機械設備引導屋面板沿著鋼絲繩直到屋頂?shù)氖┕て脚_；前后兩卷的板材首尾相連并臨時鉚接起來，使輸送工作得以連續(xù)進行。該發(fā)明操作便利、加工連續(xù)，更安全和高效。科技創(chuàng)新導報 2016年6期2016-05-14
- 下沉廣場大小在地下商業(yè)建筑消防設計中的合理性判定方法
面積180㎡的矩形框A;然后將該矩形框按與所設計的下沉廣場平面圖相同的比例進行縮放后將其疊放在所設計的（異形）下沉廣場平面圖上，矩形框A可自由旋轉、移位，進行調整。如在平面圖中（異形）下沉廣場的某一區(qū)域內矩形框A能夠完全疊放，且矩形柜A不與該下沉廣場交叉重疊，即（異形）下沉廣場平面存在一個區(qū)域可以完全容納下該矩形框A，如圖2所示的OK區(qū)域，說明此下沉廣場具有一個短邊尺寸不小于13.0m，且使用面積不小于180㎡的區(qū)域，則此（異形）下沉廣場可以滿足消防設計大房地產(chǎn)導刊 2015年3期2015-10-21
- 基于OpenCV手機拍照快遞單文字識別的研究
屏幕上畫出兩個矩形框，根據(jù)矩形框的周長面積特征，判定電話和姓名區(qū)域并提取這兩部分圖片；對這兩個圖片進行灰度化、二值化、形態(tài)學處理，再進行字符分割、歸一化處理.為了提高數(shù)字分割速度提出一種基于輪廓檢測的分割方法.根據(jù)數(shù)字和漢字的不同特征選取不同的識別方法進行字符識別.文字識別；openCV；Android；快遞單識別隨著電子商務的飛速發(fā)展，物流行業(yè)呈現(xiàn)出前所未有的盛況.物流站點收發(fā)包裹需聯(lián)系大量收件人，若用手機拍照快遞單后，將其信息提取到手機上，會節(jié)省很多時哈爾濱商業(yè)大學學報（自然科學版） 2015年5期2015-03-10
- 基于虛擬線圈的夜晚車流檢測
車燈第一次進入矩形框區(qū)域，由于是部分而非完全進入，因此沒有被識別為車燈元素，故將其刪除。（2）如圖 1（b）所示，當車燈完全進入矩形框區(qū)域后，其被識別為車燈元素，當與其他車燈匹配成功，則對車燈對進行計數(shù)，車輛數(shù)加1，并對此對車燈進行跟蹤，以避免在其他幀中重復對此車進行計數(shù)。（3）如圖 1（c）所示，這對車燈元素仍然會出現(xiàn)在其他幀中，但是因為已經(jīng)對其進行了跟蹤，不作為新的車輛進行計數(shù)。（4）如圖 1（d）所示，車燈離開矩形框區(qū)域，結束對這對車燈對的跟蹤。圖1網(wǎng)絡安全與數(shù)據(jù)管理 2014年3期2014-11-10
- 基于FANUC PICTURE軟件的人機界面二次開發(fā)及應用
界面左上角畫一矩形框(此矩形框在頁面中不顯示，通常放在左上角)，雙擊此矩形框彈出PScrn 界面，在屬性項Base screen 下Screen Name中填入界面的名稱(如main)，Sub screen 下Sub-ScreenName1 中填入關聯(lián)的子界面的名稱。點擊圖標(Button)在此主界面中畫一矩形框，雙擊此矩形框，彈出Button 界面，在屬性項Action 下Action Type 中選擇Change Screen(Detail 中填入切換制造技術與機床 2014年5期2014-04-27
- 一種便攜式攝像機導軌的設計
、連接塊 3、矩形框4組成，該部分如圖4所示?；苤袧L輪采用定向膠輪4組，共8個。根據(jù)需要在市場上購買標準件。與滾輪相連的固定三角架的矩形框采用不銹鋼方管料焊接，因不銹鋼管料不容易焊接，采用氬弧焊焊接。滾輪與矩形框的連接步驟為：（1）先將角鐵與連接塊焊接，即將連接塊上的90°V形槽和角鐵90°相配，進行焊接；（2）接著將滾輪與角鐵通過螺栓連接，注意一組滾輪方向相對，成90°；（3）最后將矩形框與焊接后的連接塊用螺栓連接，控制導軌一側兩連接塊上V形槽距離和左機械工程師 2014年2期2014-04-21
- 一種應用于交通環(huán)境中的運動車輛跟蹤方法
取運動車輛外接矩形框、質心等參數(shù)，為每輛車建立一個預測模型，利用卡爾曼濾波對模型進行預測和更新，實現(xiàn)對運動車輛的精確定位和跟蹤。1.1 卡爾曼濾波卡爾曼(Kalman)濾波是由 R.E.Kalman于1960年在其發(fā)表的一篇論文中首次提出?？柭鼮V波是一種遞推線性最小方差估計［5-6］，是目標跟蹤所廣泛采用的一種跟蹤方法。假定離散時間過程的狀態(tài)方程和觀測方程為(1)－(2)式中:t表示時間;Xt表示t時刻的狀態(tài)變量;ωt和νt表示t時刻的白噪音;A表示狀態(tài)重慶郵電大學學報(自然科學版) 2013年3期2013-12-14
- 一種快速提取銅塊圖像感興趣區(qū)域的方法*
地將銅塊區(qū)域用矩形框標記出來。遵循自動檢測的原則，本文采用迭代選擇閾值法分割來區(qū)分銅塊區(qū)域和背景，并用矩形框REC標記銅塊區(qū)域。對于一個銅塊合金樣本，銅塊截面是最具有檢測意義的區(qū)域，而銅塊截面和側面無論灰度分布色彩分布上都比較接近，無監(jiān)督的方法很難將它們區(qū)別開來。這里加入一些先驗知識，當銅塊被測量時，截面朝上，截面的位置肯定位于側面的上方。把矩形框REC從上往下按順序分割為4塊區(qū)域，對第一塊區(qū)域內的銅塊區(qū)域I，假設其全部屬于銅截面區(qū)域，否則，銅截面寬度連銅傳感器與微系統(tǒng) 2013年7期2013-10-22
- 基于Haar特征的前車識別算法*
時會出現(xiàn)重合的矩形框。對此，通過計算矩形框覆蓋的重合度來合并重復識別的目標，并給定重合度閾值。試驗中定義的重合度閾值為85%，即如果一個矩形框的85%與另一矩形框重合，則判定它們?yōu)橥荒繕恕?.1.2 誤檢噪聲的消除增加假設驗證模塊，利用先驗知識(如由于車輛近大遠小，很遠的地方不會存在很大的矩形框等)，消除查找區(qū)域中的誤檢矩形框。利用Hough變換與攝像頭中心位置找到滅點，矩形框位置縱坐標與滅點縱坐標之差限制著矩形框大小。若矩形框與預估值大小之差的絕對值大汽車工程 2013年4期2013-06-13
- 一種陰影消除算法優(yōu)化及DSP實現(xiàn)
出了一種新的雙矩形框算法，在彩色空間模型下提取運動目標時，能夠較好地去除光照變化陰影影響。本文優(yōu)化了基于空間的雙矩形框算法流程，使用自制的DM642多媒體DSP硬件系統(tǒng)實現(xiàn)了算法。實驗結果證明，優(yōu)化后的算法能夠很好地去除陰影，實現(xiàn)了運動目標的精確提取。1 原移動偵測算法1.1 算法流程移動偵測算法主要包括視頻圖像預處理，初步確定目標的運動區(qū)域，陰影消除、進一步精確目標的運動區(qū)域，目標提取，光照干擾影響消除，背景更新等。算法流程如圖1所示。圖1 移動偵測算法吉林大學學報（工學版） 2013年1期2013-04-12
- 儲罐底板漏磁檢測缺陷整體分布圖自動生成方法
樣點數(shù)，計算出矩形框對角線上兩個頂點的坐標，并依此繪制矩形框以表征缺陷大小，進而得到單次掃查缺陷分布圖；再在統(tǒng)一的坐標系下，對單次掃查缺陷分布圖進行歸一化處理，并對相鄰兩次掃查檢測到的同一缺陷進行合并運算；最后，通過多次掃查圖拼接，得到儲罐底板缺陷的整體分布圖。檢測試驗證明，該方法能實現(xiàn)儲罐底板缺陷整體分布圖的直觀顯示，自動生成可視化缺陷檢測報告，提高了儲罐底板漏磁檢測系統(tǒng)的檢測效率、實用性和可靠性。儲罐底板；缺陷分布圖；坐標歸一化；漏磁漏磁檢測技術因其具圖學學報 2013年5期2013-03-16
- 圓排列包裝問題最優(yōu)解解析
題描述為找一個矩形框，將n個大小不全相等的圓以任何一種排列順序排進該矩形框后，都能保證這n個圓與矩形的底邊相切，且要求這種矩形框長度最小.下面給出一些集合和相關長度的定義.定義1 給定n個圓C1，…，Cn，其圓心的橫坐標分別為x1，x2，…，xn，半徑分別為R1，R2，…，Rn，R1≤R2≤…≤Rn，且R1＜Rn.定義下面4個的集合S，T，Q，P.1）S＝｛w｜（w＝i1，i2，…，in）為1，…，n的n級排列｝.2 圓排列包裝問題的最優(yōu)解的性質定理1 模華僑大學學報（自然科學版） 2013年2期2013-03-03
- 利用AutoCAD LISP實現(xiàn)地形圖中高程注記的自動移動
成：圖1是一個矩形框圖。將圖1中矩形框的左下角與右上角坐標分別保存到變量minx和maxx中。可以得到矩形框左下角與右上角的坐標，這時需要的是注記外圍的坐標，所以需要把矩形的長度減去高程點到高程注記的距離。3.高程注記遮蓋地物的判斷。根據(jù)獲得的高程注記文字外坐標，就可以進行高程注記遮蓋地物判斷了?？紤]到高程點會遮蓋其他高程點的情況，程序如下所示：如果q2為空，則表示沒有遮蓋其他地物，反之，就有遮蓋其他地物。4.高程注記移動路徑。在地形圖中，高程點與注記之間河南科技 2012年3期2012-11-24
- 關于Simon效應現(xiàn)象的研究綜述
出現(xiàn)在一列6個矩形框中的正方形（空心正方形）做出左、右按鍵反應。被試必須將注意力集中在注視點上，500毫秒后正方形塊（實心正方形）隨機出現(xiàn)在6個矩形框中的5個間隙內，不要求被試對實心正方形進行反應。再500毫秒后正方形框（空心正方形）緊挨著實心正方形出現(xiàn)在矩形框內，要求被試對空心正方形做出反應。其結果顯示，被試對空心正方形的反應受實心正方形位置的影響。即實心正方形在空心正方形的左還是右會影響被試對空心正方形的加工。盡管在他們的實驗4中，將實心正方形和空心正淮北職業(yè)技術學院學報 2012年1期2012-08-15
- 人體運動目標檢測與跟蹤系統(tǒng)設計及算法仿真實現(xiàn)
的位置，最后用矩形框標識出人體并且輸出人體運動的位置信息，為將來人體行為的理解和分析奠定基礎。2 系統(tǒng)總體設計根據(jù)系統(tǒng)的設計目標和對系統(tǒng)的分析，系統(tǒng)的總體設計框架如圖1所示。圖1 系統(tǒng)總體設計框架圖1）視頻序列輸入模塊：從視頻文件讀入一個視頻序列。2）背景估計模塊：此模塊采用統(tǒng)計平均法來估計和更新背景模型。3）圖像分割[7］模塊：在此模塊中，先通過背景減除法，再利用Otsu自動閾值法對圖像進行分割，把表示運動目標的像素與背景相分離。4）人體運動檢測模塊：對江漢大學學報（自然科學版） 2012年3期2012-08-07
- 吊耳焊縫應力分析及其結構設計
m，焊縫截面為矩形框，如圖2所示.圖2 焊縫截面圖Fig.2 Diagram of weld section矩形框慣性矩為1.34×10-5m4抗彎截面系數(shù)[1]：最大拉、壓應力：其中：σ為角焊縫許用應力，n為安全系數(shù).查表[1]得：角焊縫拉伸、壓縮、彎曲許用應力[σ]=118 MPa，安全系數(shù)按抗斷裂計算取n=4.那么σ·n=148.98 MPa>[σ]該截面處的理論拉應力大于許用應力，該截面是危險截面，且根據(jù)焊縫斷裂原因以及彎矩的作用形式，分析知最大拉武漢工程大學學報 2012年4期2012-06-11
- 基于可變矩形框的人群密度估計算法
提出的基于可變矩形框的人群密度估計算法源于經(jīng)典的基于像素數(shù)的人群密度估計算法，但又有所改進，克服了原有算法因行人與攝像頭距離不同造成的估計誤差。1 基于像素數(shù)的人群密度估計算法Davies等人1995年提出了基于像素數(shù)的人群密度估計方法[2]。該方法主要基于視頻中人數(shù)與像素數(shù)成正比的關系。具體步驟如下：①分別將連續(xù)的i-1幀和i幀2幅視頻圖像轉化為單通道灰度圖像。②分別對連續(xù)的兩幀灰度圖像進行 3×3高斯濾波和Canny邊緣檢測處理，其中Canny邊緣檢測通信技術 2011年10期2011-08-11
- 分幅數(shù)字地形圖元數(shù)據(jù)的高效提取
繪制一個適中的矩形框，確保所有圖幅相應的AutoCAD文字信息被完全包含在該矩形框內(這一點非常容易做到)，編程讀取出矩形框與分幅圖外圖廓重心的相對位置信息，記錄到一個文本文件中(同時保存矩形所在的圖層名即元數(shù)據(jù)字段名稱)。最后，批量自動打開需要提取元數(shù)據(jù)的圖形文件，逐一提取元數(shù)據(jù)信息。提取方法是這樣的:打開圖形后，求解出該分幅圖外圖廓的重心坐標，根據(jù)上一步形成的文本文件中存儲的矩形框位置信息，創(chuàng)建AutoCAD多邊形選擇集，將選擇集中的文字信息按坐標位置城市勘測 2011年1期2011-04-18
- 專利匯編
栓定位模板，有矩形框鋼板，矩形框鋼板的厚度是8~10毫米，在矩形框鋼板的相對的框面上分別布有與混凝土獨立基礎上端的地腳螺栓相配合的穿螺栓孔，穿螺栓孔的直徑比所配合的地腳螺栓直徑大2毫米，穿螺栓孔的圓心與相近矩形框鋼板外邊的距離是100~200毫米，穿螺栓孔的圓心連線與相近矩形框鋼板內孔邊的距離是100毫米，另外相對的兩側框邊的寬度是100毫米。本實用新型結構簡單、使用方便、可使混凝土獨立基礎上端預埋地腳螺栓的形位精度較高。中國建筑金屬結構 2010年6期2010-12-31
- 《盲人摸象》課件制作
音”“文字”“矩形框”“蒙板”“動畫”層。單擊“聲音”層的第1幀，將“屬性”面板的“聲音”選項設置為“庫”中的“聲音”文件；“同步”設置為“數(shù)據(jù)流”，將該圖層的時間軸延長至第1 020幀，即直到聲音波形在時間軸上消失為止。鎖定該圖層。2）將“文字”“矩形框”“蒙板”“動畫”層的時間軸也延長至第1 020幀。3）在“矩形框”層的第1幀，用“矩形”工具繪制一個370 px×250 px漸變發(fā)光的矩形框，對動畫進行美化裝飾。4）單擊“動畫”層的第1幀，將“庫”中中國教育技術裝備 2010年11期2010-09-26
- 激光雕刻切割機在通用技術課程 中的使用探究
指主界面中藍色矩形框內部的部分。該矩形框對應實際加工機床的工作臺面，第一次運行時默認大小為900 mm×500 mm。在該矩形框內繪制的所有圖形，實際加工時都會被機床加工。矩形框外的圖形由于機床尺寸限制，將有可能不會被加工?！靶陆ā弊硬藛斡糜谛陆ㄒ粋€空白工作空間以供作圖，其快捷鍵為Ctrl＋N。選擇“新建”子菜單時，軟件將會關閉當前正在編輯的文件，同時建立一個新的文件。如果當前正在編輯的文件沒有保存，則軟件會提示是否保存該文件?！按蜷_”子菜單用于打開一個保中國教育技術裝備 2010年29期2010-08-22
- 用Ｗｏｒｄ制作試卷模版的方法和技巧
面上拖動出一個矩形框，這個矩形框的大小可以定為230mm左右。3. 編輯文字信息光標在文本框中閃爍，單擊鼠標右鍵，選擇文字方向，彈出文字方向對話框，選擇由下至上的文字方向，確定即可。4. 組合對象按住shift鍵依次單擊鼠標左鍵選取剛才創(chuàng)建的所有對象，包括文字、直線、矩形框等對象，然后從右鍵菜單中選擇“組合→組合”命令將上述對象組合起來。5. 制作密封線從“繪圖”工具欄中選擇“豎排文本框”按鈕，并且文本框無填充顏色，也無線條顏色。按住鼠標左鍵拖動出一個虛線成才之路 2009年14期2009-07-07
- 用于機器人視覺引導的GrabCut算法的改進