Real-time follow-up head tracking in dynamic complex environments

In the modes of both object motion and camera motion, an enhanced Camshift algorithm, which is based on suppressing similar color features of background and on joint color probability density distribution image, is proposed to real-time track head in dynamic complex environment. The system consists of face detection module, head tracking module and camera control module. When tracking fails, a self-recovery mechanism is introduced. At first the Adaboost face detector based on Haar-like features is implemented to find frontal faces, the false positive is filtered according to the skin color criterion, and the true face is used to initialize the tracking module. In hue saturation value (HSV) colorspace, the hue-saturation (H-S) histogram of face skin and the saturation-value (S-V) histogram of hair are built to produce the joint color probability density distribution image, and this is intended to realize the head tracking with arbitrary pose. During tracking, region of interest (ROI) is introduced, and the color probability density distribution of a specified background area outside the ROI is learned, similar color features in the head are suppressed according to the learning result. The background suppression step is intended to resolve the problem that the tracker maybe fails when the head is distracted by backgrounds having similar colors with the head. A closed loop control model based on speed regulation is applied to drive an active camera to center the head. Once tracking drift or failure is detected, the system stops tracking and returns to the face detection module. Our experimental results show that the presented system is well suitable for tracking head with arbitrary pose in dynamic complex environments, also the active camera can track moving head smoothly and stably. The system is computationally efficient and can run in real-time completely.     

间接测量结果置信概率的计算

首先假设随机误差服从正态分布,系统误差服从均匀分布,然后根据概率知识计算出两种复合误差所服从的分布,进而计算出对应不同置信区间的置信概率．     

基于公交站点上下客人数反推OD矩阵的概率论模型研究

基于站点上下客人数,采用简单概率分布模型,可提出反推公交站点间的OD分布矩阵的具体方法。实例表明,在采用此类方法进行反推计算时,应按照土地利用性质对站点进行合并计算,这样方可提高推算的精度。     

建设项目工程成本不确定性分析

在评标过程中,招标人如何判断投标人的报价是否低于成本价非常困难,主要原因是由于工程项目成本具有不确定性造成的,从工程项目成本构成分析入手,介绍工程项目成本具有不确定性的原因及不确定性的规律。     

常规RTK和GPS网络RTK流动站单杆倾斜随机误差特性研究

常规RTK和GPS网络RTK技术进行坐标采集和中桩放样时,单杆倾斜误差对平面位置影响较大,该文从现代概率统计的角度,对这种随机偶然误差的影响进行较深入的分析总结,得到观测量的最可靠结果。     

一种新的路径积分法在船舶横摇概率计算中的应用

基于Gauss-Legendre积分规则提出了一种新的路径积分法来计算随机横浪中船舶非线性横摇运动的概率密度分布,新的路径积分法能够得出精确的瞬态概率密度分布,包括系统响应尾部区域的概率分布,其对系统的可靠性分析是十分重要的.船舶随机横摇运动微分方程考虑到阻尼力与恢复力的非线性.数值模拟了联合概率密度函数随时间的演变,分析了外部激励强度对船舶稳态概率密度分布的影响.数值模拟的结果表明新的路径积分法对研究船舶非线性横摇运动概率密度分布是十分有效的.     

白噪声海浪激励下船舶非线性横摇运动的概率分析

应用求解FPK方程近似解的一种新理论研究白噪声激励下船舶非线性横摇运动的联合概率密度函数及稳定期望穿阈率.船舶随机横摇运动微分方程考虑到阻尼力与恢复力的非线性.新理论基于减少FPK方程的误差以获得参数化的联合概率密度函数.应用本理论易得一维积分表达的系统响应的概率特性,如联合概率密度函数及稳定期望穿阈率.近似解与精确解的比较结果表明:新理论在研究白噪声激励下船舶非线性横摇运动是非常有效的.     

海事事故严重性影响因素及影响程度识别

以上海、浙江、江苏海事局发布的海事事故调查报告为基础,通过建立有序概率模型(包括有序Logit模型和有序Probit模型),对海事事故严重性影响因素及影响程度进行识别.结果表明:有序概率模型适于研究该问题,且有序Logit模型优于有序Probit模型;季节、时段、天气、通航水域、船型、船长、船舶所有权等对较大及以上事故具有正向影响,能见度对较大及以上事故具有负向影响.其中,船长200 m影响最大(边际效应为0.378 3),夏季影响次之(0.282 2);能见度不良影响最小(-0.108 0),个体所有船舶影响次之(0.109 5).研究结果可为海事安全部门开展安全监管工作提供决策参考.     

基于广义出行费用的城市综合交通方式优势出行距离研究

为研究城市综合交通网络结构,帮助决策者合理配置城市交通资源,本文研究了城市综合交通网络中基于广义出行费用的各交通方式优势出行距离概率密度曲线.分析居民出行的广义出行费用(即交通方式的服务水平,包括出行时间和票价等)可以确定城市中常见交通方式出行所需的平均花费水平,从而构建出同一出行网络中不同交通方式优势出行距离的概率密度曲线,对概率密度曲线进行分析和拟合可以得到固定形式的基于广义出行费用的城市综合交通方式优势出行距离概率密度模型.最后,以南京市为例进行实证分析.