摘要：一种基于光流方向序列处理运动目标的运动模式识别和动作识别的方法，该方法首先用背景减除法检测出目标，然后用均值漂移跟踪算法对目标进行跟踪，再计算光流值，分别对刚体和非刚体目标得到光流方向，通过量化之后得到光流方向的时间序列，最后用时间序列建立隐马尔科夫模型，再用隐马尔科夫模型处理运动模式识别和动作识别。本发明通过光流方向，可以同时来处理运动目标的运动模式识别和动作识别，可广泛应用于视频监控系统、视频会议系统、工业产品检测系统、机器人视觉导航系统、军事目标检测分类系统等各类民用及军用系统中，具有广阔的市场前景和应用价值。

摘要：一种基于混沌不变量的动态纹理识别方法，包括步骤：1）计算特征向量矩阵：将视频每个位置随时间变化的像素看作混沌时间序列，计算每个混沌时间序列的嵌入维数，嵌入时间延迟，盒维数，信息维数，关联维数，平均值和方差，并组成一个特征向量，视频的每个像素点位置就由这个特征向量来表示，得到特征向量矩阵；2）对步骤1）中得到的特征向量矩阵进行EDM识别或者BOW识别。本发明通过提取视频的特征量，并组成新的特征向量可以很好的描述动态纹理视频，可广泛用于动态纹理识别系统、动态纹理检测系统、动态纹理检索系统、军事目标检测分类系统等各类民用及军用系统中，具有广阔的市场前景和应用价值。

摘要：一种基于混沌特征量视频运动模态分割和交通状况的识别方法，包括步骤：第一步，计算特征向量矩阵；第二步，视频分割；第三步，比较聚类结果；第四步，视频检索；第五步，视频分类。本发明通过提取视频的特征量，并组成新的特征向量可以很好的描述视频的动态信息，可广泛应用于视频监控系统、视频会议系统、工业产品检测系统、机器人视觉导航系统、军事目标检测分类系统等各类民用及军用系统中，具有广阔的市场前景和应用价值。

摘要：本发明实施例公开了一种群组移动管理方法及相关设备，能够减少数据传输时延，提高数据传输效率。本发明实施例方法包括：映射系统接收通信对端CN发送的第一消息，所述第一消息携带有用户设备UE的标识，所述第一消息用于查询所述UE的位置信息，所述映射系统包括所述UE的标识与移动接入网关MOAG的标识之间的映射关系，以及所述MOAG的标识与所述MOAG的当前位置信息之间的映射关系；所述映射系统根据所述UE的标识确定查询结果，所述查询结果包括所述UE处于所述MOAG所辖的移动群组内以及所述MOAG的当前位置信息；所述映射系统向所述CN发送所述查询结果，以使得所述CN根据所述查询结果封装待发送的数据，并将已封装的所述数据发送给所述MOAG。

摘要：一种多传感器融合跟踪系统配准偏差在线补偿方法，采用修正的极大似然估计方法确定配准偏差估计的初值，可加快卡尔曼滤波算法的收敛过程和在线适应性。通过引入多传感器的测量信息和滤波跟踪信息，提取系统偏差信息，实现配准偏差的在线估计和补偿。本发明在保证原有多传感器融合跟踪系统结构和功能情况下，实现了配准偏差的在线估计和补偿，提高了多传感器融合跟踪系统的探测定位精度和跟踪性能，对于多目标定位跟踪系统而言，采用该算法还可以简化融合跟踪系统中的数据关联及跟踪算法。可广泛应用于航空电子技术、机器人导航、空中交通管制、数字城市安全保障系统、多传感器定位系统等各类民用及军用系统中。

摘要：一种图像处理技术领域的动态视频序列中多目标跟踪系统，包括：输入模块、运动目标检测模块、PHD滤波模块和输出模块，其中：所述的运动目标检测模块包括：背景区域初始化子模块、背景区域更新子模块、前景图像提取子模块、形态学处理子模块和连通域分析子模块；所述的PHD滤波模块包括：高斯元参数预测子模块、高斯元更新子模块、高斯元修剪子模块和状态抽取子模块。本发明改进的运动目标检测模块，为视频跟踪系统提供了较为可靠的量测信息；避免了粒子滤波概率假设密度滤波可能出现的计算复杂问题和目标发生交叉情况下的状态抽取不可靠问题，保证了视频跟踪系统的有效性和可靠性；避免了数据关联计算，可广泛应用于多目标视频监控各领域。

摘要：一种双摄像机自动协同多目标鹰眼观测系统及其观测方法，该系统包括硬件平台、广角摄像机、PTZ摄像机，处理机和多通道视频采集卡，观测方法包括以下步骤：标定两台摄像机，得到运动摄像机旋转对准广角摄像机图像任一位置的角度；从广角摄像机中检测出运动目标，并进行跟踪标识；选择目标，若目标运动较快，则控制PTZ摄像机进行缩放跟踪，若目标运动较慢，则放大目标，然后定位感兴趣特征，二次放大观测感兴趣区域。本发明具有成本低，实现简单等优点，可广泛应用于机器人、智能交通、视频监控等多目标视频跟踪领域。

摘要：本发明提供一种装饰薄膜，包括一承载层、一第一堆叠层以及一第二堆叠层。第一堆叠层配置在承载层上。第二堆叠层配置在承载层上，且第一堆叠层与第二堆叠层由承载层上离型的离型能力不同以在承载层上分别定义出相邻的一装饰区以及一预定断膜区。

摘要：本发明提出一种频域块最小均方自适应滤波方法，旨在提供一种可以均衡非最小相位系统,且与时域LMS算法有相同的收敛性、计算复杂度更低的自适应滤波方法，本发明通过下述技术方案予以实现：首先将待滤波数据序列串并转换成长度为L的并行数据块，从相邻前后并行数据块分别级联M/2个数据，组成长度为N＝L+M的级联数据块做快速傅里叶FFT运算，得到N个频域输入数据，再将N个频域输入数据与N个滤波器权值系数相乘得到N个滤波器滤波后的频域数据，并做N点傅立叶反变换IFFT，得到N个滤波后的时域数据。将N个频域误差信号与N个频域输入数据的共轭相乘，并做IFFT变换得到长度为N的时域梯度向量；并进行自适应滤波器权值系数更新，得到处理后的频域梯度向量。

摘要：一种基于混成系统的全遮挡行人跟踪方法，根据行人运动特点以及在跟踪中需要学习的行人特征，构建相应的跟踪模型和辨识模型，行人未被遮挡时，跟踪模型跟踪行人的同时学习行人特征，行人被遮挡时通过模型转移规则的感知条件感知行人被遮挡并切换为辨识模型；辨识模型利用学习到的行人特征从检测结果中根据模型转移规则的辨识条件不断辨识失跟行人；在辨识模型辨识到失跟行人时，通过模型转移规则的重置条件重置跟踪行人的状态并切换到跟踪模型继续跟踪，实现存在全遮挡情况下的行人跟踪；本发明设计合理，将模型驱动和数据驱动算法利用混成系统的思想整合在一起解决了这个实际问题，大大提高了跟踪的准确度和成功率。