复杂背景下的行人检测与分割

传统的目标检测算法在复杂环境下受到背景因素的干扰,分割出来的目标往往不能满足后期处理的需要;由于分割的好坏直接影响后期的目标跟踪的实时性和精确性的高低。鉴于此,在进行图像跟踪和识别之前,先对目标进行检测和精准的分割,提出了在AdaBoost算法中在原始Harr_like特征的基础上添加梯形特征,检测出目标的大致位置,将其作为蛇形分割的初始位置,改进蛇形分割的能量函数,分割的行人边界逐步进行收缩直至能量最小,提取出行人的真正区域。对比性实验表明改进后的算法满足实时性要求和精度要求,在一定程度上达到智能化的需求。     

Python系列课程实施关联教学模式的探索与研究

python系列课程与多课程存在知识点关联,通过提取课程之间的关联内容,从教学内容、项目实验、授课方式三个方面进行关联式教学模式的设计。实践表明,该教学模式能够帮助学生们掌握多课程的知识要点,在综合应用实践中,提高需求分析、功能设计和模块优化能力,为将来投入应用开发打好了良好的基础。