摘要：在视频目标跟踪中,搜索区间大小直接影响着跟踪的速度和效率.现采用图象坐标系下的卡尔曼滤波预测来指导跟踪,设计了卡尔曼滤波器,对被跟踪目标的运动参数(位置,速度,加速度)进行滤波预测.缩小了搜索区间(减至为匹配模型的大小),提高了系统的实时性和跟踪精度.实验结果表明:在对大运动和大运动大机动两种视频目标的跟踪中,耗时仅为全局搜索的1/4,精度可达3像素以内.

摘要：为了提高立体视频的渲染效率,设计了基于云计算的立体视频流处理框架。首先,介绍了该云计算框架的架构以及其主要组成部件。然后,分析了网络传输和云端处理延迟,并探讨了编码器对延时的影响。为了降低时延对流处理框架的影响,设计了面向立体视频的物体运动预测模型。实验结果表明,该预测模型能够降低由延迟引起的渲染错误。

摘要：舞蹈机器人舞蹈机器人的脸庞脱胎于玛丽莲·梦露,长长的裙摆藏起了它的三个轮子。跳舞机器人高1.65米,能像人一样跳华尔兹。安装在机器人身上的传感器能令其“预测”舞伴的下一舞步。跳舞机器人不仅仅会跳舞。一位设计者说:“机器人可以通过用户的运动预测他们的需求。