蒸汽与魔法的对抗 探秘新魔幻网游《黑金》

继大型3D武侠网游《九阴真经》成功推出之后,游戏蜗牛于近日又公布了旗下最新3D魔幻网游《黑金》的一系列背景资料和画面、视频。作为蜗牛又一款里程碑式的超前作品,《黑金》所采用的3D引擎在《九阴真经》"Flexi"的基础上进行了升级优化,并由中、俄顶尖团队联合研发,其创作阵容和技术储备显然要比之前所有的产品都更为抢眼。同时,游戏中浓厚纯正的蒸汽朋克文化氛围、动态的世界体系和战斗模式,以及史诗般庞大的罕见故事背景等所有核心特色,都是对目前国内乃至国际游戏市场上传统魔幻题材网游所进行的大胆突破,并已先后在E3、CJ和GC等多个国内外知名游戏展上初露锋芒。     

基于OpenCv运动目标识别技术的研究

在智能视频监控系统中,快速、准确、有效地检测出运动目标成为人们研究的主要课题之一。本文根据背景差分与帧间差分各自的特点,提出一种基于高斯模型的背景差分与帧间差分相结合的运动目标检测算法。说明高斯背景建模原理以及算法的背景模型更新方法,最后介绍了算法的实现流程和实验结果。在VisualC++6.0环境下,利用计算机视觉类库OpenCV对算法进行了验证。实验结果表明:该算法能快速、有效地提取目标。     

一种改进MVI-CFAR检测器的性能分析

VI-CFAR检测器在均匀环境和非均匀环境下均具有较强的自适应性,但若前后两个参考滑窗均存在干扰目标时,VI-CFAR检测性能急剧下降。为克服该问题,本文采用有序统计平均CFAR和有序统计选小CFAR来替代VI-CFAR中最小选择CFAR。所提出的算法不但解决了干扰目标位置随机分布的问题,还解决了当其中一个滑窗的干扰目标数超过最大容限时检测性能下降的问题。在参考滑窗中干扰目标个数与扰噪比均不相同的情况下,分析了统计量VI的变化,有助于评估和设计VI-CFAR类检测器在多目标环境下抗干扰目标的最大容限。仿真结果表明,该改进算法提高了VI-CFAR在多目标环境下的鲁棒性,与其他改进算法相比,其排序处理时间降低一倍。     

运动目标检测方法概述

随着社会的发展,人们获取的信息途径越来越多,单纯的依靠人类的五官已不能及时的将我们获取的海量信息进行甄别和判断,因此计算机技术基础上发展的图像处理技术为我们生活、工作中的信息处理提供了很大的帮助,其在社会中的作用也越来越凸显。其中,运动目标检测技术是整个图像处理技术的基础性环节,直接关系到后续信息处理的成败。本文主要介绍了目标检测的常用算法的原理以及它们的优缺点,并对其中的帧间差分法和背景减除法进行了仿真实验,以验证其优缺点。     

基于模块化可编程序电网模拟装置设计与研制

针对低压电气设备对电网电压、电网频率和电压不平衡等众多电网参数的变化,满足无功补偿装置、无源电力滤波器、有源电力滤波器、光伏逆变器和风电逆变器等电力行业设备的保护检测、功能检测和性能检测等要求.研制一种基于模块化可编程序电网模拟装置,介绍了基于模块化可编程序电网模拟装置的工作原理,通过理论研究和样机研制,提供一种数字化可编程序电网模拟装置.     

中国市场世界共享

56834亿,这是国家统计局发布的2020年我国居民粮油、食品、饮料以及餐饮消费额的总和。2020年,在全球新冠麻炎疫情蔓延、经济低迷的背景下,中国经济实现正增长。值得一提的是,内需对于经济复苏起到了明显的拉动作用。     

安徽影视旅游开发的对策探究

文章运用"旅游+影视"的方式,将影视与旅游的学科理论结合,探讨开发体验型旅游产品,进行安徽影视旅游资源开发及旅游线路设计的思路与模式,解决安徽旅游资源开发和整合中的主要矛盾.     

图像背景修正对电缆终端状态监测效果研究

为了实现智能电网管理信息化、智能化的目标,对不同类型的电缆终端工作状态监测方式进行比较与分析.基于可见光、红外热成像、声波检测系统,设计一种基于红外热成像系统为主的电力电缆终端状态检测装置.该装置可由设备本体进行供电,也可外接电源,实现24 h不间断对异常电力电缆进行实时状态检测.实时检测的数据存储于本地系统,利用专业开发的电力电缆终端状态检测软件进行数据查询、数据分析、报表导出,形成闭环系统.采集的数据亦可后台进行二次分析,可提取采集的红外热图中的所有温度点信息,为后期维护提供有效的数据支撑,实现电力电缆终端状态监测的目的.     

基于小波的实时烟雾检测*

传统的离子式、吸气式、光电式等烟雾检测器在大空间中检测烟雾时,会受到发射信号与接收信号之间的距离、平面角度、精确对准等限制,无法对整个空间的烟雾状况进行描述.新的方法通过监测区域的摄像机拍摄的视频图像序列,进行小波变换,分析图像帧在时域和空域的频率特性,来确定被监测区域是否有火灾烟雾的发生.实验证明该方法不受空间高度、热障、易爆、有毒等环境的限制,并且有灵敏度高、抗干扰力强、适用范围广等特点.     

采用形态神经网络背景自适应预测的图像弱小目标检测*

提出一种有效的背景杂波预测形态神经网络模型,用于检测图像数据中的弱小目标.目标被假设为只有很小的空域扩展度,而且淹没于强背景杂波干扰中.通过形态神经网络,杂波背景被准确地估计并从输入数据中去除,只剩下残留噪声和目标信号.采用扩展输入层数据的办法修正了传统的形态开、闭运算三层前馈BP网络模型.为了跟踪包含不同子结构的复杂背景,原始图像被划分为多个子块,并在相应的子块中选择训练样本对结构元进行优化.对真实图像数据的计算机仿真表明该算法在性能上优于其他传统算法.