文獻(xiàn)標(biāo)識(shí)碼: A
DOI:10.16157/j.issn.0258-7998.190645
中文引用格式: 鄧小海,,姜周曙. 圖像識(shí)別技術(shù)在智慧教室錄播系統(tǒng)中的應(yīng)用研究[J].電子技術(shù)應(yīng)用,2020,,46(3):92-96.
英文引用格式: Deng Xiaohai,,Jiang Zhoushu. Application of image recognition technology in recording and broadcasting system of intelligent classroom[J]. Application of Electronic Technique,2020,,46(3):92-96.
0 引言
在落實(shí)“互聯(lián)網(wǎng)+教育”戰(zhàn)略,、深化教育教學(xué)改革的背景下,建設(shè)智慧教室是學(xué)校創(chuàng)新教學(xué)環(huán)境、提升人才培養(yǎng)質(zhì)量的必然選擇[1],。隨著微課,、MOOC等移動(dòng)學(xué)習(xí)方式的興起,將現(xiàn)代教育技術(shù)融入教學(xué)生活并促進(jìn)教學(xué)改革已成為教育行業(yè)研究的熱點(diǎn),。
傳統(tǒng)的錄制方式難以滿足人們對(duì)優(yōu)質(zhì)教學(xué)資源的需求,,智慧教室錄播系統(tǒng)能夠智能高效地完成整個(gè)教學(xué)過(guò)程的錄制并根據(jù)不同的需求生成對(duì)應(yīng)的教學(xué)文件[2]?;?a class="innerlink" href="http://forexkbc.com/tags/圖像處理" target="_blank">圖像處理的錄播系統(tǒng)使得智慧教室成為了優(yōu)秀的教學(xué)成果展示平臺(tái),,也進(jìn)一步促進(jìn)了移動(dòng)學(xué)習(xí)模式的發(fā)展,。
1 錄播系統(tǒng)概述
1.1 自動(dòng)錄播系統(tǒng)概述
自動(dòng)錄播系統(tǒng)主要由跟蹤定位系統(tǒng)、音視頻信號(hào)采集與處理系統(tǒng),、錄播主控系統(tǒng)3個(gè)子系統(tǒng)構(gòu)成[3],。錄播系統(tǒng)能完整地記錄教學(xué)過(guò)程,并且根據(jù)授課時(shí)間自動(dòng)生成教學(xué)錄像,,多路原始文件的保留模式也使得編輯更加方便,。錄播系統(tǒng)不僅能以直播的形式提供教學(xué),還能在網(wǎng)上重復(fù)播放,。
1.2 錄播系統(tǒng)中的跟蹤技術(shù)
跟蹤技術(shù)作為錄播系統(tǒng)的核心技術(shù)之一,,其主要功能就是在課堂中對(duì)老師和學(xué)生進(jìn)行跟蹤。錄播的畫(huà)面質(zhì)量直接影響受眾的學(xué)習(xí)體驗(yàn),,而圖像跟蹤的準(zhǔn)確性與實(shí)時(shí)性是影響畫(huà)面質(zhì)量的重要因素?,F(xiàn)今的跟蹤技術(shù)主要有4種:
(1)紅外線感應(yīng)跟蹤
此技術(shù)通過(guò)在師生身上放置的紅外信號(hào)源,并根據(jù)接收到的紅外信號(hào)進(jìn)行目標(biāo)跟蹤定位以及相應(yīng)的攝像機(jī)拍攝方位調(diào)整,。這種需要輔助設(shè)備的跟蹤技術(shù)并不智能,,收發(fā)信號(hào)的裝置繁瑣,并且無(wú)法精細(xì)地了解節(jié)點(diǎn)信號(hào)變化,,這都局限了其適用范圍,。
(2)超聲波定位技術(shù)
超聲波定位與紅外感應(yīng)技術(shù)在原理上有異曲同工之處,差別在于所采用的信號(hào)源是超聲波而不是紅外,,安裝的位置也從人身上移動(dòng)到了黑板桌椅上,。雖然此技術(shù)操作簡(jiǎn)單、技術(shù)成熟,,但是無(wú)法確定被拍攝對(duì)象的高度,,而且拍攝的精度也無(wú)法得到保障。
(3)空間網(wǎng)格定位技術(shù)
空間網(wǎng)格劃分是將一個(gè)教室三維空間劃分為包含多個(gè)矩形網(wǎng)格的三維空間,,通過(guò)計(jì)算師生的三維坐標(biāo)從而實(shí)現(xiàn)追蹤,。這是一項(xiàng)較為先進(jìn)的技術(shù),能夠精確地捕捉師生互動(dòng)的細(xì)節(jié),。由于高額的安裝成本以及其對(duì)安裝性能的高要求,,這項(xiàng)技術(shù)的使用并不廣泛。
(4)圖像識(shí)別技術(shù)
前3種跟蹤定位技術(shù)都是基于輔助設(shè)備,,不利于系統(tǒng)的集成,,也無(wú)法通過(guò)控制硬件設(shè)備來(lái)降低系統(tǒng)成本。圖像定位技術(shù)能夠根據(jù)師生在畫(huà)面中的差異自動(dòng)識(shí)別并進(jìn)行動(dòng)態(tài)跟蹤,。此技術(shù)無(wú)需配備專門的信號(hào)裝置,,多素材的輸入也使得計(jì)算與優(yōu)化更加精準(zhǔn),是眾多跟蹤技術(shù)中最為有效的方式之一[4]。
2 智慧教室錄播系統(tǒng)整體框架
2.1 智慧教室系統(tǒng)模型
基于圖像識(shí)別技術(shù)的智慧教室系統(tǒng)主要由物理空間,、交互空間,、資源空間以及數(shù)據(jù)一體化組成,系統(tǒng)模型如圖1所示,。
2.2 錄播系統(tǒng)模型
錄播系統(tǒng)所產(chǎn)生的錄播資源是智慧教室系統(tǒng)資源空間建設(shè)的主要來(lái)源之一,,系統(tǒng)框架如圖2所示。
2.3 系統(tǒng)各模塊說(shuō)明
(1)圖像跟蹤定位模塊
圖像跟蹤模塊由4個(gè)子模塊構(gòu)成,,它們相互合作,,共同完成教室內(nèi)師生的檢測(cè)與跟蹤。此模塊根據(jù)圖像的差異匹配相應(yīng)的控制策略驅(qū)動(dòng)系統(tǒng)內(nèi)的攝像機(jī)進(jìn)行智能跟蹤定位并對(duì)師生運(yùn)動(dòng)軌跡進(jìn)行識(shí)別分析,,以此來(lái)實(shí)現(xiàn)對(duì)授課場(chǎng)景的特寫(xiě),、鏡頭切換等相關(guān)錄制。同時(shí)在不同的場(chǎng)景下能實(shí)現(xiàn)多目標(biāo)的追蹤及鏡頭切換,。
(2)音源抓取與后期處理模塊
音質(zhì)的好壞往往決定了整體的錄播質(zhì)量,。如果對(duì)教室噪聲、背景音處理不當(dāng),,將會(huì)使得有效音源的清晰度降低,。錄播系統(tǒng)中的音頻數(shù)字信號(hào)處理能有效地處理噪聲問(wèn)題并且達(dá)到有效音優(yōu)化擴(kuò)音的效果。教室的多個(gè)拾音器采集音頻信號(hào)傳到主控系統(tǒng)進(jìn)行聲音的去分化處理,,進(jìn)而提高錄制視頻的音質(zhì)。
(3)錄播主控模塊
錄播系統(tǒng)最核心的模塊就是錄播主控模塊,,其余模塊皆為其服務(wù),。錄播主機(jī)集數(shù)據(jù)采集、錄播平臺(tái)軟件,、數(shù)據(jù)處理于一體,,因而系統(tǒng)集成度高,并且能夠?qū)崿F(xiàn)系統(tǒng)的小型化,,便于操作,。錄播主控模塊還能實(shí)現(xiàn)視頻影音的智能導(dǎo)播、智能直播,、攝像機(jī)的智能控制等功能,。錄播框架圖如圖3所示。
3 控制策略
3.1 畫(huà)面切換策略
視頻錄像的時(shí)候根據(jù)畫(huà)面要呈現(xiàn)的效果需要進(jìn)行畫(huà)面的切換以及人物的特寫(xiě),,這也就意味著控制中心要清晰地知道畫(huà)面切換的控制策略,,并根據(jù)相應(yīng)的輸入對(duì)多個(gè)視頻輸入源進(jìn)行數(shù)據(jù)切換[5]。根據(jù)教學(xué)過(guò)程的特征以及可能出現(xiàn)的場(chǎng)景,,給出了如圖4所示的畫(huà)面切換控制策略,。
3.2 目標(biāo)跟蹤策略
錄播系統(tǒng)所表現(xiàn)出的智能化就是依靠它的目標(biāo)跟蹤策略,主要通過(guò)圖像對(duì)三維空間建模并計(jì)算師生的三維空間坐標(biāo),,從而實(shí)現(xiàn)定位及跟蹤,。由于師生在教室中的活動(dòng)空間有較大的差異,,因而根據(jù)師生的運(yùn)動(dòng)特性分別制定跟蹤策略。
(1)學(xué)生跟蹤策略
在一般的教學(xué)活動(dòng)過(guò)程中,,學(xué)生大多只會(huì)出現(xiàn)起立回答問(wèn)題這一單一事件,,他們?cè)谌S空間中大體只會(huì)呈現(xiàn)縱向位移而不會(huì)有橫向位移,因此只需在視頻相鄰的幀畫(huà)面中判斷學(xué)生座位圖像區(qū)域的圖像輪廓是否發(fā)生了明顯變化,。
(2)老師跟蹤策略
在教學(xué)過(guò)程中,,大多數(shù)時(shí)間老師占據(jù)的是主導(dǎo)位置,因而在授課過(guò)程中老師的移動(dòng)更加隨意,,但大多數(shù)時(shí)候總是圍繞在講臺(tái)周圍,。在簡(jiǎn)化模型的情況下,檢測(cè)老師在講臺(tái)水平空間的位置信息和輪廓高度信息,,根據(jù)這些信息調(diào)整攝像頭實(shí)現(xiàn)定位跟蹤,。
4 基于圖像識(shí)別的運(yùn)動(dòng)目標(biāo)定位跟蹤算法
4.1 算法概述
基于圖像識(shí)別的運(yùn)動(dòng)目標(biāo)定位跟蹤算法能在課堂人數(shù)眾多且背景復(fù)雜的條件下對(duì)視頻流數(shù)據(jù)中的目標(biāo)進(jìn)行精確的識(shí)別與跟蹤。該算法將獲取的視頻流幀序列進(jìn)行精細(xì)劃分并在幀序列的處理中引入了背景幀差目標(biāo)檢測(cè)算法以及特征識(shí)別目標(biāo)跟蹤算法[6],。算法整體流程圖如圖5所示,。
4.2 運(yùn)動(dòng)目標(biāo)自動(dòng)檢測(cè)算法
運(yùn)動(dòng)目標(biāo)檢測(cè)算法基于圖像分割技術(shù),通過(guò)剔除圖像幀序列的固定背景檢測(cè)出運(yùn)動(dòng)的物體,。然而檢測(cè)的準(zhǔn)確性受到光線變化,、攝像機(jī)抖動(dòng)、背景改變等因素的影響,,這也直接影響了對(duì)后續(xù)目標(biāo)的跟蹤和行為分析的準(zhǔn)確性[7],。
(1)算法比對(duì)
目標(biāo)檢測(cè)算法根據(jù)背景的差異劃分成為兩個(gè)類別,即靜態(tài)背景和動(dòng)態(tài)背景,。由于智慧教室錄播系統(tǒng)中所使用的攝像機(jī)在整個(gè)錄播過(guò)程中相對(duì)固定,,因此根據(jù)這一特性在教室目標(biāo)檢測(cè)算法中采用靜態(tài)背景?;陟o態(tài)背景的目標(biāo)檢測(cè)算法主要有3種,,其對(duì)比如表1所示。
(2)改進(jìn)背景幀差目標(biāo)檢測(cè)算法
智慧教室錄播系統(tǒng)中有多個(gè)視頻流數(shù)據(jù)采集點(diǎn),,也為同一目標(biāo)提供不同的背景差比對(duì),,能進(jìn)一步提高檢測(cè)的精度。背景差分法的核心就是利用視頻幀圖像與預(yù)設(shè)背景的差異分離出運(yùn)動(dòng)目標(biāo),。
建立一個(gè)符合要求的背景模型能在一定程度上減小光線,、抖動(dòng)等因素帶來(lái)的干擾。由于智慧教室背景的特性,,因此采用高斯背景建模,。高斯背景建模是基于混合高斯模型來(lái)對(duì)樣品進(jìn)行建模,根據(jù)圖像理論,連續(xù)視頻幀序列的每個(gè)像素點(diǎn)在基礎(chǔ)噪聲的影響下,,像素點(diǎn)的灰度值變化都呈現(xiàn)出高斯分布,,當(dāng)特定幀之間像素差小于閾值時(shí)[8],則認(rèn)為像素?zé)o明顯變化即為背景,;否則為目標(biāo)運(yùn)動(dòng)區(qū)域,,系統(tǒng)模型參數(shù)也應(yīng)隨著目標(biāo)運(yùn)動(dòng)進(jìn)行更新,參數(shù)更新如式(1)和式(2)所示,。
式中,,μ和σ分別表示均值和方差,K為特定幀,,α為比例系數(shù),,(x,y)為特定幀中的位置點(diǎn),。
比例系數(shù)α的更新將使算法能在連續(xù)的視頻幀圖像中及時(shí)刷新背景,,從而在視頻幀序列中實(shí)現(xiàn)目標(biāo)的實(shí)時(shí)檢測(cè)。智慧教室多個(gè)超清攝像頭采集的視頻數(shù)據(jù)也為算法提供了足夠全面清晰的背景對(duì)比數(shù)據(jù),。然而差分法對(duì)目標(biāo)速度變化不敏感且背景實(shí)時(shí)更新困難,,導(dǎo)致其在動(dòng)態(tài)目標(biāo)追蹤的過(guò)程中實(shí)時(shí)性不高。
幀差法的核心就是比對(duì)不同圖像幀之間的差異來(lái)進(jìn)行目標(biāo)運(yùn)動(dòng)檢測(cè)并通過(guò)當(dāng)前幀來(lái)進(jìn)行背景幀的更新,。假設(shè)當(dāng)前幀與前一幀在同一時(shí)間節(jié)點(diǎn)t,,同一位置點(diǎn)(x,y)處的灰度值分別為K(x,,y,,t)和K(x,y,,t-1),,通過(guò)差值運(yùn)算可得式(3):
幀差法的重心是傾向于相鄰幀的差別比較,,師生在區(qū)域范圍內(nèi)運(yùn)動(dòng)時(shí)相鄰幀之間差異將更明顯,,因此幀差法對(duì)于運(yùn)動(dòng)目標(biāo)的感知更為明顯。經(jīng)處理過(guò)的課堂錄制視頻其幀速較快,,利用幀差法進(jìn)行目標(biāo)跟蹤能極大程度地降低光線對(duì)檢測(cè)的影響,。
幀差法雖然能夠更加穩(wěn)定地識(shí)別運(yùn)動(dòng)區(qū)域,但是其對(duì)相鄰幀比對(duì)的注重使得樣本量不足,,分割出的運(yùn)動(dòng)區(qū)域易產(chǎn)生空洞,。將幀差法和背景差分法聯(lián)合使用,既解決了實(shí)時(shí)性不強(qiáng)和區(qū)域空洞的問(wèn)題,,也保證了檢測(cè)的精度,。由于目標(biāo)只占整個(gè)圖形區(qū)域的一部分,對(duì)圖像分割時(shí)需要判斷目標(biāo),因此只篩選有用背景幀信息進(jìn)行比對(duì),,整個(gè)方法流程如圖6所示,。
4.3 運(yùn)動(dòng)目標(biāo)跟蹤算法
目標(biāo)跟蹤算法的核心理念就是要保證檢測(cè)出來(lái)的目標(biāo)在后續(xù)的跟蹤過(guò)程中不丟失。因此運(yùn)動(dòng)目標(biāo)檢測(cè)更加注重標(biāo)記的識(shí)別分析,,不再需要高精度分析定位來(lái)區(qū)分目標(biāo),。
4.3.1 算法比對(duì)
運(yùn)動(dòng)目標(biāo)的跟蹤是通過(guò)連續(xù)圖像幀快速找到預(yù)先標(biāo)記好的目標(biāo),其核心不是差別分析,,而是采用高效且具有辨識(shí)度的標(biāo)記方法使得在后續(xù)的追蹤中標(biāo)記能夠清晰可見(jiàn),。目前的動(dòng)態(tài)跟蹤算法大致分為4類,算法對(duì)比如表2所示,。
4.3.2 HOG+樸素貝葉斯目標(biāo)跟蹤算法
智慧教室擁有多個(gè)角度的視頻數(shù)據(jù)輸入源,,這也使得特征點(diǎn)的選擇更加精細(xì)。HOG+樸素貝葉斯目標(biāo)跟蹤算法最重要的步驟就是對(duì)視頻幀數(shù)據(jù)中被跟蹤目標(biāo)的特征提取以及匹配,。該方法框圖如圖7所示,。
4.3.3 特征提取
特征提取需要提取被跟蹤目標(biāo)的特征點(diǎn),該特征點(diǎn)能在整個(gè)視頻幀圖像中保持穩(wěn)定不變,。特征提取是目標(biāo)跟蹤中最重要的一步,,需要抓住本質(zhì)的特征點(diǎn)才能有效地提高特征辨識(shí)度。特征往往不能局限于一種,,多元特征的提取才能更好地提高算法精確度,。
在提取特征點(diǎn)時(shí),為了獲得最大的特征信息量,,采取方向梯度直方圖(HOG),。HOG特征主要由被跟蹤目標(biāo)局部區(qū)域梯度方向的直方圖組成,將圖像局部的梯度統(tǒng)計(jì)特征拼接起來(lái)作為總特征,,并通過(guò)邊緣密度分布和目標(biāo)表象進(jìn)行跟蹤定位,。將HOG特征識(shí)別算法作為樣本輸入,通過(guò)倍增權(quán)值進(jìn)行更新篩選,,并設(shè)計(jì)分類器采集圖像的HOG特征[9],。
式中,gi表示由特征值構(gòu)成的分類器,,d表示Bhattacharya 距離,,θj表示閾值。如圖7所示,,HOG特征向量作為算法的輸入,,經(jīng)不斷訓(xùn)練產(chǎn)生一系列弱分類器,并將它們級(jí)聯(lián)組成性能更好的目標(biāo)跟蹤分類器,。
4.3.4 特征匹配
特征匹配是以特征點(diǎn)為基礎(chǔ),,通過(guò)相應(yīng)幀圖像特征點(diǎn)比對(duì),,從而達(dá)到特征點(diǎn)之間的最佳匹配并在此基礎(chǔ)上完成對(duì)運(yùn)動(dòng)目標(biāo)的跟蹤。為了提高算法的性能進(jìn)而達(dá)到最佳匹配,,采用基于樸素貝葉斯分類器的特征匹配來(lái)輸出目標(biāo)位置并不斷更新分類器參數(shù),。
5 應(yīng)用與研究
5.1 運(yùn)動(dòng)目標(biāo)檢測(cè)模擬實(shí)驗(yàn)
本文采用的目標(biāo)檢測(cè)算法充分發(fā)揮了幀差法與背景差分法這兩種算法的優(yōu)勢(shì)。為了驗(yàn)證它在目標(biāo)檢測(cè)上的實(shí)際效果,,通過(guò)3個(gè)算法的性能比對(duì)來(lái)分析其性能上的差異,。
采用智慧教室錄制的一段10 min的超清教學(xué)視頻。高分辨率的圖像能確保更加精細(xì)的比對(duì),,從而避免圖像像素對(duì)實(shí)驗(yàn)的影響,。視頻中包含老師講課畫(huà)面、學(xué)生起立回答問(wèn)題畫(huà)面以及板書(shū)特寫(xiě)畫(huà)面等,。將此視頻作為樣本輸入,,通過(guò)算法判斷運(yùn)動(dòng)目標(biāo)出現(xiàn)的總幀數(shù)以及運(yùn)動(dòng)目標(biāo)的大小。通過(guò)測(cè)定運(yùn)動(dòng)目標(biāo)出現(xiàn)總幀數(shù)與預(yù)先測(cè)定的準(zhǔn)確幀數(shù)比對(duì),,得到目標(biāo)檢測(cè)算法的準(zhǔn)確性,,其結(jié)果如表3所示。
通過(guò)表3可以看出,,幀差法在檢測(cè)速度上的優(yōu)越性比較大但精度較低,,而背景差分法雖然檢測(cè)速度較慢但是精度高。背景幀差法結(jié)合了兩者的優(yōu)勢(shì),,在保證檢測(cè)速度的同時(shí)也達(dá)到了90%左右的準(zhǔn)確率,,并且能夠一定程度上克服空洞問(wèn)題。
5.2 運(yùn)動(dòng)目標(biāo)跟蹤模擬實(shí)驗(yàn)
根據(jù)智慧教室的特點(diǎn)采用HOG+樸素貝葉斯跟蹤算法,,為了驗(yàn)證此跟蹤算法的實(shí)際效果,,本文同樣地比對(duì)3個(gè)跟蹤算法的性能。其結(jié)果如表4所示,。
將本文算法與基于灰度標(biāo)識(shí),、基于角點(diǎn)標(biāo)識(shí)算法進(jìn)行比對(duì),通過(guò)檢測(cè)連續(xù)時(shí)間內(nèi)有效動(dòng)作跟蹤幀與運(yùn)動(dòng)幀總數(shù)的比值得到跟蹤的正確率,。從表4中可看出,,本文算法的準(zhǔn)確率高于90%,其跟蹤的準(zhǔn)確性相較于其他兩種更具優(yōu)勢(shì),。
5.3 運(yùn)動(dòng)目標(biāo)定位跟蹤算法實(shí)驗(yàn)
為了驗(yàn)證運(yùn)動(dòng)目標(biāo)定位跟蹤算法的可行性,,同樣選取教室攝像頭錄制的10 min教學(xué)視頻進(jìn)行實(shí)驗(yàn),。實(shí)驗(yàn)結(jié)果圖如表5所示,。
從表5中可看出系統(tǒng)定位跟蹤的準(zhǔn)確率超過(guò)了90%,基本能達(dá)到現(xiàn)場(chǎng)要求,。對(duì)比老師跟蹤與學(xué)生跟蹤的準(zhǔn)確率,,可以發(fā)現(xiàn)老師跟蹤的準(zhǔn)確率比較低,,這是因?yàn)閷W(xué)生跟蹤場(chǎng)景更簡(jiǎn)單單一。
6 結(jié)論
基于圖像處理的智慧教室錄播系統(tǒng)是一套集音視頻處理,、主控人機(jī)交互以及多媒體軟硬件配置一體化的協(xié)同運(yùn)行系統(tǒng),。該系統(tǒng)通過(guò)研究師生在教學(xué)過(guò)程中的運(yùn)動(dòng),進(jìn)行實(shí)時(shí)的跟蹤定位以及鏡頭切換,。該系統(tǒng)具有以下幾點(diǎn)優(yōu)勢(shì):
(1)圖像處理技術(shù)的使用減少了課堂教學(xué)錄制過(guò)程中的人力投入,,降低了設(shè)備成本,提高了自動(dòng)化水平,。
(2)提供課堂授課完整資源,,供學(xué)生回顧與加強(qiáng)學(xué)習(xí),供老師分析課堂授課效果,,了解學(xué)生真實(shí)反映情況,,以使其進(jìn)行教學(xué)改進(jìn)。
(3)提高知識(shí)的傳播效率,,進(jìn)一步促進(jìn)了教育資源的網(wǎng)絡(luò)共享,,同時(shí)也是對(duì)教學(xué)模式的一種革新。
參考文獻(xiàn)
[1] 安寧,,牛愛(ài)芳,,齊瑞紅,等.高校智慧教室建設(shè)的探索與思考[J].實(shí)驗(yàn)技術(shù)與管理,,2017(5):257-261.
[2] 張軍,,黃忠毅,程樊啟.從教學(xué)過(guò)程的需求分析錄播系統(tǒng)的發(fā)展趨勢(shì)[J].中國(guó)電化教育,,2019(11):113-115.
[3] 黃山涯.錄播教室的功能設(shè)計(jì)及其建設(shè)[J].實(shí)驗(yàn)室研究與探索,,2010,29(10):391-393.
[4] 李先友,,趙曙光,,段永成,等.基于FPGA的實(shí)時(shí)MIPI CSI-2圖像采集與處理系統(tǒng)[J].電子技術(shù)應(yīng)用,,2019,,45(1):103-106.
[5] 張志剛,趙振宇,,張國(guó)兵.圖像識(shí)別技術(shù)在網(wǎng)絡(luò)錄播系統(tǒng)中的應(yīng)用研究[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用,,2014(4):7-8.
[6] 高海壯,段先華.基于幀差法和混合高斯的海上運(yùn)動(dòng)目標(biāo)檢測(cè)[J].計(jì)算機(jī)與數(shù)字工程,,2019,,47(5):1140-1144.
[7] 孫挺,齊迎春,,耿國(guó)華.基于幀間差分和背景差分的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].吉林大學(xué)學(xué)報(bào)(工學(xué)版),,2016,,46(4):1325-1329.
[8] 周劍華.基于智能圖像跟蹤定位的錄播教室視同設(shè)計(jì)與實(shí)現(xiàn)[D].蘭州:蘭州大學(xué),2018.
[9] 黃友文,,萬(wàn)超倫.基于深度學(xué)習(xí)的人體行為識(shí)別算法[J].電子技術(shù)應(yīng)用,,2018,44(10):7-11,,16.
[10] Shen Bin,,Su Xiaoyuan,GREINER R,,et al.Discriminative parameter learning of general bayesian network classifiers[C].IEEE International Conference on Tools with Artificial Intelligence,,2003:296-305.
作者信息:
鄧小海,姜周曙
(杭州電子科技大學(xué) 自動(dòng)化學(xué)院,,浙江 杭州310000)