討論了交-交變頻調(diào)速系統(tǒng)故障診斷的重要性，針對(duì)目前變頻系統(tǒng)輸出電流諧波比較大，用常規(guī)方法不易判斷的問題，提出了用新型小波包頻帶能量法提取電機(jī)斷條故障信號(hào)的特征量，并運(yùn)用該算法對(duì)變頻調(diào)速系統(tǒng)電機(jī)斷條時(shí)和正常時(shí)輸出電流波形特征量進(jìn)行分析。仿真結(jié)果表明，新型小波包頻帶能量特征法與常規(guī)診斷方法相比，具有準(zhǔn)確度高、診斷速度快等優(yōu)點(diǎn)。
上傳時(shí)間： 2015-01-02
上傳用戶：hgmmyl
成像系統(tǒng)二維轉(zhuǎn)臺(tái)控制部分解決方案
標(biāo)簽： 成像系統(tǒng) 二維 分解 轉(zhuǎn)臺(tái)控制
上傳時(shí)間： 2013-10-12
上傳用戶：michael20
檢測(cè)運(yùn)動(dòng)物體需要無運(yùn)動(dòng)物體的背景圖像，所以，首先應(yīng)用多幀像素平均值法提取了運(yùn)動(dòng)視頻序列的背景圖，從背景圖像中分離目標(biāo)像素，獲取目標(biāo)的質(zhì)心坐標(biāo)，并應(yīng)用質(zhì)心跟蹤法以灰色圖像序列為基礎(chǔ)，對(duì)運(yùn)動(dòng)的目標(biāo)進(jìn)行實(shí)時(shí)檢測(cè)和跟蹤。質(zhì)心跟蹤法的目標(biāo)位置通過質(zhì)點(diǎn)的中心來確定，該算法計(jì)算簡(jiǎn)單，計(jì)算量小，其穩(wěn)定性與精度主要取決于序列圖像的分割及其閥值的確定情況。文中給出了用Opencv實(shí)現(xiàn)算法的具體過程和關(guān)鍵代碼，并且設(shè)計(jì)了跟蹤運(yùn)動(dòng)車輛的控制界面，方便了實(shí)時(shí)監(jiān)控。實(shí)驗(yàn)結(jié)果表明，該方法可以實(shí)現(xiàn)視頻序列中運(yùn)動(dòng)目標(biāo)的識(shí)別，具有實(shí)時(shí)性、并能給出較好的識(shí)別效果。
標(biāo)簽： Opencv 運(yùn)動(dòng)目標(biāo) 檢測(cè)
上傳時(shí)間： 2013-11-12
上傳用戶：蟲蟲蟲蟲蟲蟲
闡述了目前三維成像在其常見應(yīng)用領(lǐng)域中的研究，主要致力于研究高分辨率三維成像系統(tǒng)。三維激光成像是一項(xiàng)可以應(yīng)用于探測(cè)隱藏目標(biāo)、地形測(cè)繪、構(gòu)建虛擬環(huán)境、城市建模、目標(biāo)識(shí)別等領(lǐng)域中的技術(shù)。在區(qū)域成像技術(shù)中，除了如立體視覺和結(jié)構(gòu)化燈光等更常規(guī)的技術(shù)，實(shí)時(shí)三維傳感也具有現(xiàn)實(shí)可操作性。當(dāng)前三維激光成像技術(shù)已經(jīng)發(fā)展到有能力提供厘米級(jí)波長的高分辨率三維成像，這將給許多領(lǐng)域提供方便，包括法律的實(shí)施和法醫(yī)調(diào)查。與CCD和紅外技術(shù)等傳統(tǒng)的被動(dòng)成像系統(tǒng)相比，激光成像技術(shù)不僅能提供強(qiáng)度和范圍信息，還能穿透植被和窗戶等特定情景元素。這意味著激光三維成像系統(tǒng)在目標(biāo)識(shí)別與辨認(rèn)等方面具備新的潛力。結(jié)果表明，激光三維成像系統(tǒng)可以在許多情況下得到應(yīng)用。
上傳時(shí)間： 2013-10-31
上傳用戶：wushengwu
設(shè)計(jì)并實(shí)現(xiàn)了基于圖像檢索的地標(biāo)識(shí)別系統(tǒng)。該系統(tǒng)通過捕捉地標(biāo)的視覺特征，幫助游客或使用者更好地理解圖像的內(nèi)容并同時(shí)提供圖像拍攝的地理位置信息。首先根據(jù)提取的SURF特征搜尋地標(biāo)在數(shù)據(jù)庫中的最優(yōu)匹配，然后根據(jù)最優(yōu)匹配結(jié)果給出輸入地標(biāo)在地圖中的位置。系統(tǒng)采用的層次化數(shù)據(jù)庫結(jié)構(gòu)和分級(jí)檢索方式，使得檢索效率比傳統(tǒng)的遍歷檢索方式提高30%。大量實(shí)驗(yàn)證明文中提出的算法具有魯棒性和高準(zhǔn)確性，該系統(tǒng)已在高校內(nèi)部地標(biāo)識(shí)別中測(cè)試使用成功。
標(biāo)簽： 圖像檢索 地標(biāo)識(shí)別
上傳時(shí)間： 2013-12-29
上傳用戶：CSUSheep
頭肩的定位檢測(cè)采用了Haar特征和HOG特征的層級(jí)分類方法，并根據(jù)頭肩的對(duì)稱性特點(diǎn)，提出了一種稱為Joint HOG的組合型特征。通過Haar分類器濾除大部分負(fù)樣本后，接著用HOG進(jìn)行精細(xì)的驗(yàn)證從而得到頭肩目標(biāo)框。實(shí)驗(yàn)表明，本文的方法取得了80%~90%的準(zhǔn)確率，并且完全可以用于實(shí)時(shí)處理。
標(biāo)簽： Joint HOG 特征 復(fù)雜場(chǎng)景
上傳時(shí)間： 2013-11-13
上傳用戶：weareno2
針對(duì)目標(biāo)和背景具有空間連續(xù)性的特點(diǎn)，提出一種基于核密度估計(jì)和馬爾科夫隨機(jī)場(chǎng)的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。首先利用核密度估計(jì)計(jì)算像素點(diǎn)屬于背景的概率密度，在特征向量中加入顏色空間運(yùn)動(dòng)矢量分量來提高對(duì)背景擾動(dòng)和光照變化的魯棒性；然后構(gòu)造馬爾科夫隨機(jī)場(chǎng)，提出一種馬爾科夫隨機(jī)場(chǎng)能量函數(shù)代價(jià)項(xiàng)的構(gòu)造方法，通過最小化其能量函數(shù)得到目標(biāo)分割結(jié)果。實(shí)驗(yàn)結(jié)果證明，該運(yùn)動(dòng)目標(biāo)檢測(cè)算法對(duì)背景擾動(dòng)和光照變化具有更好的魯棒性，錯(cuò)誤檢測(cè)率更低。
標(biāo)簽： 核密度估計(jì) 隨機(jī)場(chǎng) 運(yùn)動(dòng)目標(biāo)檢測(cè)
上傳時(shí)間： 2014-01-20
上傳用戶：solmonfu
為了設(shè)計(jì)一種實(shí)時(shí)高效、穩(wěn)定可靠的圖像目標(biāo)跟蹤系統(tǒng)平臺(tái)，避免因圖像邊緣提取效果差而引起跟蹤失敗，采用自適應(yīng)Canny邊緣檢測(cè)算法。該自適應(yīng)算法能夠很好的確定平滑參數(shù)以及高、低兩個(gè)閾值，更好的獲得圖像邊緣圖。經(jīng)Canny算法處理圖像目標(biāo)后，獲得目標(biāo)的單像素邊緣圖，根據(jù)邊緣圖計(jì)算得到目標(biāo)質(zhì)心。利用最小二乘法擬合出目標(biāo)的運(yùn)動(dòng)軌跡，同時(shí)可根據(jù)時(shí)間間隔預(yù)測(cè)出目標(biāo)質(zhì)心的下一位置，控制伺服機(jī)構(gòu)，實(shí)現(xiàn)目標(biāo)跟蹤。實(shí)驗(yàn)表明，采用Canny算法的目標(biāo)跟蹤系統(tǒng)，能夠滿足實(shí)時(shí)跟蹤的需要。
標(biāo)簽： Canny 檢測(cè)算法 目標(biāo)跟蹤
上傳時(shí)間： 2013-11-03
上傳用戶：testAPP
給出了一種運(yùn)動(dòng)人體區(qū)域的檢測(cè)及其對(duì)應(yīng)的二維關(guān)鍵點(diǎn)的提取方法。首先運(yùn)用幀差法構(gòu)建一個(gè)自適應(yīng)的背景模型以達(dá)到背景初始化和背景更新的目的。接著用減背景法實(shí)現(xiàn)二維運(yùn)動(dòng)人體區(qū)域的檢測(cè)。最后將檢測(cè)到的運(yùn)動(dòng)人體區(qū)域，通過運(yùn)用APAR（anti-paralle lines）區(qū)域法實(shí)現(xiàn)對(duì)運(yùn)動(dòng)人體關(guān)鍵點(diǎn)的提取。
標(biāo)簽： 運(yùn)動(dòng)人體檢測(cè) 二維
上傳時(shí)間： 2013-10-25
上傳用戶：lz4v4
LabVIEW是否能像C語言一樣？
上傳時(shí)間： 2013-10-22
上傳用戶：fhjdliu
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
