時間：2023-07-27 16:14:50
導語：在體育信息的特征的撰寫旅程中，學習并吸收他人佳作的精髓是一條寶貴的路徑，好期刊匯集了九篇優秀范文，愿這些內容能夠啟發您的創作靈感，引領您探索更多的創作可能。
文［1］的例1、例2的“特征信息”，其實都可以聯系到一個重要不等式：
定理 若a，b∈R，則（a＋b）2≥4ab．
文［1］的例1盡管給出了三種解題思路，但是卻有美中不足：尚未揭示出其最優解題思路；例2雖巧妙地構造出二次方程，但仍然缺乏最優化思考．
本文旨在展示平凡的定理（a＋b）2≥4ab在“特征信息”聚焦時的最優化解題特征．
首先，通過“等導不等”來證明這個定理：
（a＋b）2＝4ab＋（a－b）2≥4ab，
當且僅當a＝b時，等號成立．
下面列舉一系列數學問題，其“特征信息”均可或顯或隱地聚焦于定理（a＋b）2≥4ab．限于篇幅，解題時不作一一分析，只展現定理的最優化解題思路．
例1 已知實數a，b，c滿足等式a＝6－b，c2＝ab－9，求證：a＝b．
（文［1］例1）
證明：依定理（a＋b）2≥4ab，即62≥4（c2＋9），得c＝0，從而a＝6－b，ab－9＝0，解得a＝b＝3，故證畢．
例2 若（z－x）2－4（x－y）（y－z）＝0，則x，y，z成等差數列． （1979年全國高考題）
證明：由題設知（z－x）2＝4（x－y）（y－z），而依本文定理，則有（z－x）2＝（x－z）2＝［（x－y）＋（y－z）］2≥4（x－y）（y－z），可見x－y＝y－z，從而x，y，z成等差數列．
例3 方程組x＋y＝2，的實數解的組數是（
）．
xy－z2＝1
A．1
B．2
C．3
D．無窮多 （1987年上海市初中數學競賽試題）
解：依定理知，（x＋y）2≥4xy，則22≥4（z2＋1），得z＝0，原方程組化為
x＋y＝2，顯然只有一解x＝y＝1，故選A．
xy＝1，
例4 已知a，b，c都是實數，且a＋b＋c＝0，abc＝1，求證：a，b，c中必有一個大于3／2．
（1991年“曙光杯”初中數學競賽試題）
證明：由題知，a，b，c中必有一個是正數，不妨設c為正數．依定理（a＋b）2≥4ab，得（－c）2≥4·（1／c），或c3≥4，于是c≥ ＞ ＝3／2，故得證．
注意：此處還有意外收獲，原題結論還可改進為：求證：a，b，c中必有一個不小于 ．
例5 a，b，c，d都是小于1的正數，求證：在4a（1－b），4b（1－c），4c（1－d），4d（1－a）中，不可能都大于1．
（1962年美國數學競賽試題）
證明：巧妙地逆用定理，注意4a（1－b）·4b（1－c）·4c（1－d）·4d（1－a）＝4a（1－a）·4b（1－b）·4c（1－c）·4d（1－d）≤［a＋（1－a）］2·［b＋（1－b）］2·［c＋（1－c）］2·［d＋（1－d）］2＝12·12·12·12＝1，由此可見，4a（1－b），4b（1－c），4c（1－d），4d（1－a）中不可能都大于1．
例6 已知x＞0，y＞0，且x＋y＝4，S＝（6－x）·（5－y），求S的最大值．
解：依定理，知4S＝4（6－x）（5－y）≤［（6－x）＋（5－y）］2＝［11－（x＋y）］2＝（11－4）2＝49，S≤49／4，當x＝21／2，y＝11／2時，Smax＝49／4．
當然，定理最主要還是應用于巧證不等式方面．
例7 已知 y－2x＝z，求證：y2≥4xz．
（文［1］例2）
證明：由題設，知 y＝2x＋z．依定理，知（ y）2≥4·2x·z，或2y2≥8xz，即y2≥4xz，證畢．
縱觀以上各例，依定理解題，顯得規律有序，思路清晰，方法簡便，且顯然優于原來的方法．
例8 正數x，y，z，a，b，c滿足條件a＋x＝b＋y＝c＋z＝k．求證：ax＋by＋cz＜k2．
（1987年（前）蘇聯數學奧林匹克試題）
證明：傳統證法大半是構造正三角形或正方形，利用面積關系證之．今依定理，即刻知
4ax＋4by＋4cz≤（a＋x）2＋（b＋y）2＋（c＋z）2＝k2＋k2＋k2＝3k2，
于是，ax＋by＋cz≤（3／4）k2＜k2，故證畢．
可見，依定理還有意外收獲，得到原式的一個加強式：ax＋by＋cz≤（3／4）k2．而這一加強難在傳統證法中體現出來．
例9 已知a＞1，b＞1，c＞1，求證：
（a2／（b－1））＋（b2／（c－1））＋（c2／（a－1））≥12．
證明：依定題，知a2＝［（a－1）＋1］2≥4（a－1）·1＝4（a－1）．同理b2≥4（b－1），c2≥4（c－1），于是，（a2／（b－1））＋（b2／（c－1））＋（c2／（a－1））≥
4（（（a－1）／（b－1））＋（（b－1）／（c－1））＋（（c－1）／（a－1）））≥4·3 ＝12，證畢．
例10 設x，y為非負數，且滿足x＋y＝1，求證：
1＋ ≤ ＋ ≤2 ．
證明：考慮（ ＋ ）2＝2（x＋y）＋2＋2 ＝4＋2 ，或 ＋ ＝ ，依題知及定理，有0≤4xy≤（x＋y）2＝1，故 ≤ ＋ ≤ ．
于是1＋ ≤ ＋ ≤2 ，證畢．
定理（a＋b）2≥4ab的優化解題功效遠不止這些，只要留心些，讀者必定還會有所發現和創新．令人振奮的是，從基本不等式a＋b≥2 ，平方即可得（a＋b）2≥4ab；但令人遺憾的是，a＋b≥2 的應用，已是老生常談，而（a＋b）2≥4ab卻少見報道．筆者試圖通過本文，借以引為重視!
參考文獻
1 丁保榮．信息與解題．中學數學教學參考，2001，5
1 新媒體背景下新聞行業的顯著性變化
1.1 新聞信息可多方面獲得
新聞傳播的錯綜復雜，難辨真偽，是如今新聞攝影傳播的一個比較大的特點之一。科學技術在不斷的進步，計算機的應用水平已經越來越理想化，全面化。人們通過新的網絡環境對文字和圖像進行處理已經不再是什么新鮮的事情了，然后再將這些已經處理過的圖片傳播到網上，致使現在互聯網上的新聞魚龍混雜，很難辨別真偽。網絡科技的發達也加速了虛假新聞的傳播，這對人們的生活也是有一定的影響的。根據網絡上提供的一些數據來看，我國的網民在線率已經占據了國家的四分之二，單單是使用微博的網民就占了其中的三分之二，所以論壇、貼吧等一系列討論平臺就成了新聞媒體的重要傳播介質，這些對人們的觀念具有非常強大的影響。然而就是因為現在的新聞傳播速度如此之快，才讓虛假新聞隨處可見，網民們無從調查，這也對新聞的真實性造成危害。
1.2 圖片的散播方式被改變
現在，新媒體的傳播速度，以及帶來的巨大的影響力，是能夠看得見的，而這些平臺又以階梯的形式在不斷向外傳播，網民在不同的平臺之上仍然可以互相聯系，隨之就出現了很多的人疊的場面。在最初，第一個圖像傳播者把自己想要表達的圖像和漢字上傳到平時登錄頻繁的軟件上，這樣他的朋友們也可以轉發他說寫的東西，朋友的朋友也可以轉發朋友轉發的東西，這樣第一個人就會有很多的粉絲，這種模式叫做階梯性傳播，這就形成了一種新的傳播信息的模式。在新媒體飛速發展的大背景之下，人們不再像以前那樣只能看新聞，現在已經可以自己發新聞，自己撰稿自己配圖，還能夠傳播自己看到的新聞。發新聞與談論不再是只屬于新聞媒體人，但是這種模式的出現，新聞的正確性，準確率無法得到控制。科技進步促使新聞行業的多樣化，這也使它使用的范圍會越來越廣泛，使用的人變多，對社會的快速變化產生較深的影響力。
2 新聞攝影傳播在新時期條件下的特點
2.1 廣泛應用的互聯網信息
在中國，新聞媒體具有傳播性強，群眾參與多等特征。這對于新時期來說，想讓人大多數的人都了解到這些并接受它的特點是非常困難的。就這些來說，就需要用一個新的事物帶入到人們的生活中。在新媒體背景下，他的飛速發展讓無論什么年齡，什么種族都能接受到新媒體帶來的豐富內容，讓我們生活在一個非常先進的社會里。無線網絡也是科技飛速發展之下的產物，給人們帶來相當多的便利，使更多的信息能讓大眾看見，然后去分享，顯然是一種新聞傳播的重要手段。
2.2 新時代最重要的傳播工具
隨著國家的進步，手機的用處不再拘泥于打電話和發短信，更多的功能被開發出來，例如，攝影、拍照、計算機、網絡連接、天氣等。手機也從之前的半智能演變成現在的全智能，給人們帶來了相當大的便利，也成為人們生活中不可或缺的工具。手機的拍照和攝影功能的開發，更快地推動了新聞攝影傳播的速度，雖然像素可能沒有專業相機好，但人們對他們的喜愛有增無減。手機拍照的便捷性，同時又能實時的分享出去，是相機替代不了的。而今，各大廠商都在研究更快速更便捷的網絡，這樣的進步，也就意味著以后新聞媒體傳播行業會發展得越來越好。
3 新時代下媒體的發展趨勢
在新媒體的背景下，專業的攝影人員要拿出自己應有的姿態。雖然在20世紀90年代，攝影人確實是非常專業的，人們對于新聞工作者的存在也是非常敬畏的，但在科技飛速進步的今天，人們對于攝影的那種神秘感也消失了，然而個別新聞記者的高傲姿態仍然存在。如今，人們通過各種平臺，隨時記錄著發生在身邊的新聞事件，這雖然很便捷，但也加大了新聞報道的不專業性，就算是專業的攝影者，也與業余愛好攝影者沒什么差距。為了讓新聞事業能夠更好的發展，新聞媒體人應當盡快放棄自身有很大優越感的想法，利用本身的優勢，用專業的報道和攝影來與群眾的作品區分開來，用自身優勢來帶動行業的發展。有關部門應該對網絡上的虛假新聞進行整治，這些龐大的不真實的新聞對廣大群眾的視聽產生非常大的影響，再加上人們的辨識程度相對比較低一些，造成這些不真實新聞在網絡上大量的傳播，這也對專業人員的攝影積極性有非常大的影響。所以有關部門加大整改力度，還網民們一片良好的網絡環境。
隨著新媒體的不斷發展與社會科技的不斷進步，微電影慢慢的發展，而且得到了人們的認可，變成了當今社會上文化與信息傳播的新載體。微電影作為一種新生事物，既有著自身存在的發展困境，同時又具有極大的發展潛力。本文結合網絡營銷形式，通過對微電影的概念與產生原因進行探析，分析微電影的傳播特征與在發展過程中所存在的問題，探討適合微電影的發展道路與前景，以期為廣大媒體與影視工作者提供一定的理論參考。
【關鍵詞】
微電影；新媒體；傳播；營銷
1 微電影與營銷性微電影的概念探析
微電影產生以后到今天，社會各界都沒有給出微電影概念的標準概念，存在著許多觀點與討論。有人說比電影短、比廣告片長的視頻，就是微電影，根據這一方向來講，微電影可以說是起源于以前一些網友們自行拍攝并上傳到網上的視頻。但是從影視制作的專業角度來看，微電影，就是指微型電影，又可以叫做微影，主要是利用諸多新媒體平臺來進行播放，尤其是適合在室外或是臨時休息等不適和觀看電視電腦的時候所觀看的、具有完整的制作系統以及策劃短時放映，短時制作周期，以及小規模投資的視頻透過了這一對微電影含義的探析并結合網絡營銷不斷發展的新形勢，我們可以把營銷性微電影的含義定義成通過微視頻這一影像表達方式，來吸引廣大的視頻受眾，促進廣大廣告主們與受眾之間形成一個良好的、穩定的情感紐帶，以此來提升品牌美譽度的一種新型營銷傳播策略。
營銷性微電影產生的主要原因有三。其一，從微電影的起源上來講，廣告主們主要是因為目前市場規模不斷的在增長，正在急切的需要繼續擴大廣告的平臺，以及其他各大視頻的網站。其二，廣大受眾們對于視頻的認識方法有所變化，不同于以往的電影院與電視，而是逐漸向互聯網與手機等方面靠攏，一點點傾向于觀看短視頻。其三，時代的社會與文化背景已經發生了變化，多種文化因素對傳統文化造成了威脅。與傳統電視廣告還有別的多樣形式的廣告相對比來說，微電影廣告有著不可替代的多種優點。因此，微電影得以不斷地發展，營銷性微電影也得以產生。
2 新媒體視域下微電影的傳播特征
在新媒體時代，許多傳播模式在不部分時間不能在網絡環境下進行活動，但是營銷性微電影的主要傳播途徑是，以一些視頻網站以及其他網絡網站為平臺，在這兩種傳播媒介當中，尤其是社交網絡的性質，決定營銷性微電影不同于其他視頻的傳播特征，并且憑借著微電影與新媒體的有力對接，營銷性微電影勢必會迎來更猛烈的發展趨勢。
2.1 傳播主體較為廣泛
我們可以把營銷性微電影分成以下兩類。其一，就是大牌導演與大牌明星夢，所謂大投資大制作的廣告類型微電影；其二，就是主要由草根明星原創的非商業性的微電影，例如《紅領巾》。廣告商、職業傳播機構可以傳播微電影，廣大網民們可以進行評論、轉發，他們也是營銷性微電影的傳播人群。作為一種新的傳播策略，營銷性微電影可以讓幾乎是所有的網民都有了成為電影受眾的可能性，在以前，電影創作對于廣大普通百姓來說是不敢想象的，但是現在電影創作從此不是電影工作者們的專利，我們每以個人都可以參與到電影制作的大隊伍中，將自己眼中所觀察到的美麗世界通過微電影的形式進行展現。
2.2 傳播方式較為開放
營銷性微電影的主要傳播策略可以說是非常的廣。將營銷性微電影與傳統電影形式進行比較，其主要原因是，在封閉的情景里完成拍攝，但是它又開辟了許多其他路徑，能夠在網絡、貼吧、廣告、音樂、甚至是一些大型的游戲平臺探索出來了新的思路。營銷性微電影主要以新媒體作為傳播媒介，它具有延展、融合和即時的新特征。現在來看，營銷性微電影成為了一種新的營銷策略，目前正迅速的隨著網絡、手機等新媒體普及快速的發展著。
2.3 傳播渠道較為多樣
微電影的另一個非常重要的特點是，它的傳播渠道非常的多樣化。能夠順應受眾們“碎片化”的時間，所以可以說微文化的出現使得文化信息有了更多的傳播方式。尤其是在我國，土豆、優酷等視頻網站是視頻的上傳與播放最多的平臺，在良好網絡技術支持下，這些網絡能夠使得互聯網用戶互聯網上進行瀏覽視頻資料、分享其他的視頻。如此一來，這些視頻網站成為了微電影廣告的網絡主要存在場所。廣大用戶們通過網絡，可以根據自己的喜好選擇評論，包括頂、踩等，還可以進行播放、收藏以及轉發等，廣大的觀眾們也可以通過這些方式進行網上互動。
3 新媒體視域下微電影的困境與前景
在營銷性微電影不斷發展的同時，我們同時可以看到，在所有的這些作品當中，只有非常少的一些視頻能夠得到廣泛的傳播，取得很好的營銷成績，但是除此之外，剩余的其他作品并沒有那么好運。如此一來，大量的投資成本并沒有得到回報，造成了營銷成績不好，而且造成了許多的困境。
其一，內容缺乏創新性與藝術性。內容是營銷性微電影發展的根本，要想取得“廣而告之”的效果，營銷性微電影就要在內容上有所創新從而做到吸引觀眾。其二，投放平臺有待改善。目前微電影廣告主要是在網絡上進行投放，播放的平臺目前來看大多數是各大視頻網站，并且還要通過社交網絡進行傳播。其三，沒有良好的監管政策。目前市場上的微電影廣告五花八門，包括一些大尺度內容也會出現。政策監管的不足，最終影響到了廣告行業的正常發展。
營銷性微電影的發展有著無限的商業價值與發展前景，但想要呈良好的態勢發展，其關鍵是如何挖掘與把握營銷性微電影的價值。雖然目前營銷性微電影正呈現出欣欣向榮的發展態勢，但更要不斷地迎合時代的發展要求，也只有這樣，營銷性微電影才能夠為新媒體時代帶來新鮮的活力，也才會走得更長遠。
【參考文獻】
[1]葉志飛.淺談微電影的商業價值和發展前景[J].現代商業，2012（06）.
[2]卓駿.網絡營銷[M].清華大學出版社，2005.
[3]王淑蘭等.淺析網絡時代新媒體的品牌建設—以網絡視頻媒體為例[J].新聞知識，2008（06）.
【作者簡介】
孫永琪（1992—），女，漢族，廣播電視編導播音主持本科，單位：東北農業大學。
許漠沙（1992—），男，漢族，中西醫臨床本科，單位：黑龍江中醫藥大學。
關鍵詞： 移動機器人；自然路標提取；路標描述符；MeanShift
中圖分類號：TP242.6 文獻標識號：A 文章編號：2095-2163（2015）01-
Abstract： Landmark extraction and matching is basis of vSLAM. A method of landmark extraction， local feature description and fast matching based on 3D information of feature points is proposed. Robot obtains images of environment via binocular vision， extracting feature points from left and right eye images， matching feature points of the two images. Three-dimensional information of each matched points under left camera coordinate system is built. Field of view constraint rule is proposed to filtering points. Then， the method of natural landmark extraction based on improved Mean Shift algorithm is discussed. The paper proposes a landmark descriptor， which can achieve fast matching of the two clustering. This method can extract natural landmarks in unstructured environment， tolerating relatively low accuracy of pose estimation.
Key words： Mobile Robot； Natural Landmark Extraction； Landmark Descriptor； MeanShift
0引 言
同時定位和地圖創建（Simultaneous Localization and Mapping， SLAM）是實現機器人自主導航的一個關鍵技術[1]。SLAM技術主要采用視覺[2]、激光[3]等傳感器以實現環境感知，尤其是基于視覺的SLAM技術（vSLAM）具有的對環境無侵性、獲取環境信息的豐富性、以及成本低廉等顯著優勢，使其受到研究學界的廣泛關注和高度重視。
vSLAM主要采用路標方法， 路標的自動提取與快速匹配即是其中的基礎性問題。基于特征點的路標的表示方法主要分為兩類。在此，可做如下具體分析：
一類以提取出的特征點直接作為路標，這類方法構建的地圖路標的特征點數量較多， 進行場景匹配的運算量也隨之較大。重點成果則有：文獻則針對單目視覺提取的特征點給出了統一逆深度參數方法來準確表達其不確定性。
另一類路標表示法是通過對提取的特征點進一步聚類， 再將獲得的聚類整體作為一個路標。相應成果有，文獻[11]提出了一種基于角點聚類的自然路標局部特征提取其匹配算法。本文則基于對特征點聚類的思路，進一步提出了一種基于三維信息對特征點進行聚類分析形成路標、對路標進行局部特征描述與快速匹配的方法。
1特征點及其三維信息的獲取與預處理
機器人使用參數相同的兩個攝像機獲取環境圖像，對圖像進行特征點選取與過濾， 又采用雙目視覺原理獲得特征點對應空間點的三維信息。
1.1特征點的選取
本文采用SURF算法對左右目攝像機獲得的圖像分別進行特征點提取，基本可以達到實時處理的要求[12]。令由左目獲取的圖像標記為， 由的特征點組成集合， 同理右目圖像的特征點組成集合， 因為兩攝像機是對同一場景進行拍攝， 這就使得提取的特征點大致相同。為了計算特征點對應空間點的三維信息， 需要找到左目圖象的特征點在右目圖像中的對應點以獲得該點在雙目中的視差， 即某一點在兩幅圖像中相應點的位置差。
以中的點為基準與中的點進行匹配，使之一一對應，未獲匹配的表示該點在其中一目中看不到。匹配上的特征點、組成特征點對并入集合中， 記 為主特征點。
1.2特征點對應空間點的三維信息的獲取
特征點對對應的空間點記為， 由所有空間點組成的集合記為。攝像機坐標系的原點在攝像機鏡頭的光心處。為簡化計算， 令左右鏡頭的參數相同， 兩攝像機光心在同一個平面上， 在左攝像機坐標系下的三維坐標信息可以利用視差原理獲得：
其中， 是空間點P在左攝像機坐標系下的三維坐標， b為左右攝像機的基線距，d為視差，f為焦距，u1、v1為特征點在左右視覺中的圖像坐標。點的三維坐標在聚類過程中將會用到。而提取路標后、進行存儲時， 應將所有空間點在攝像機坐標系下的坐標轉換為世界坐標系下的坐標。
2自然路標的提取與描述
2.1基于改進MeanShift算法的特征點聚類提取路標
已建立在攝像機坐標系下的坐標， 根據這些點的相對空間位置進行聚類分析以提取路標。 MeanShift算法因為運算量小， 計算速度快，且有一定的魯棒性，更為適合進行特征點聚類。但卻需要對該算法加以改進， 就使得算法可以根據不同特征點的聚合情況，相應產生不同數量的聚類。
MeanShift 可以理解為一個核密度估計的過程， 即將空間點看作采樣得到的數據點， 并將單位體積內的空間點數看作概率密度， 由此求取概率密度 最大的點集合就完成了聚類。每個點X的概率密度可以表示為：
其中，為核密度函數，k可取高斯函數，是以點為圓心，即為半徑的球型區域內的點，為聚類半徑， 可以看作 Parzen 窗口尺寸，則為半徑內的空間點的個數。
欲求概率密度最大的點，可先對求導，使則可求得極值點，令，有
當， 即可近似求得點概率密度的極值點， 而以其為中心點， 半徑的區域內的點將形成一個聚類。其中，為閾值。
考慮到自然路標有大有小，應保證聚類內最少包含個特征點數， 否則形成的聚類特征點太少， 將導致路標不穩定且不利于路標之間的區分，而且更不利于定位。此后，在聚類過程中將自動調整半徑。如果以點為圓心， 半徑內特征點數， 則以步長增加半徑， 直至， 可稱為增長半徑。其中，為聚類中最少特征點數，為聚類最大半徑。
一般情況下，聚類半徑長度未增長到最大半徑時， 特征點數與已經滿足要求了， 此時聚類已經形成， 但存在半徑再適當擴大仍然可能有特征點的情況， 為此提出聚類進行小幅度擴張的應對策略。如果有距離聚類較近的點與聚類的距離小于， 可將聚類半徑增加以包括該點，并重復該過程。擴張幅度， 即可取。 如果在下一步擴張了的聚類范圍內沒有更多的點或者超過了最大聚類半徑限制， 則隨即停止該擴張過程。
組成路標的特征點分布范圍半徑也應該控制在一定范圍內，這與自然環境中作為物體多會有一定尺寸限制現象相吻合。本文取
其中，為聚類初始半徑。
確定一個聚類后，從未訪問過的特征點中隨機選擇一點作為中心，繼續尋找下一聚類，直至未訪問過的點的數量。
2.2聚類描述符
考慮使用一個快速索引匹配路標的方法， 問題可以描述為已知一組形成聚類的點的三維坐標， 設計一個具有唯一性和旋轉不變性的描述符， 并且該描述符應在兩個聚類匹配過程中有充分的區分度。
本文基于空間點的分布來表征描述符。由聚類中心指向組成聚類的各個特征點形成了一組向量，向量數學原理如式（6）所示，三維空間實現則如圖1所示。
將聚類的區域平分若干份， 依次統計各個區域內向量， 得到一個特征向量。 其對應數學表示則如式（6）所示。
在圖2中， 以步長0.5滑動窗口， 取絕對值最大的窗口方向為主方向。以聚類的主方向為基準方向， 圍繞聚類中心的x軸， 再取逆時針為正方向， 而將整個聚類按為跨度劃分作24個區域，并且分別重新計算各個區域的向量的模與高斯核函數的卷積， 將其組成一個24維的向量，該向量即為該聚類的描述符。
3路標匹配過程
機器人在環境中移動時， 對獲取的圖像先進行預處理， 估計自己的位姿， 并根據當前位姿到地圖數據庫查詢之前機器人以該位姿觀察到的路標。令當前位姿為， 為保證找到路標， 可查詢符合如下條件的路標，具體是：， ， 。
對當前提取的環境的特征點進行聚類， 計算該聚類描述符，并與數據庫中對應路標的描述符進行匹配， 在誤差允許的范圍內如果實現了匹配， 說明找到了路標， 則取出每個點的信息， 對已然匹配的兩個聚類中的各個點進行二次匹配， 對獲得匹配的點的世界坐標即可認定為一致， 并且是以數據庫中的坐標為基準。根據機器人與每個點的距離、每個點的世界坐標。
4實驗結果及分析
本文使配有雙目視覺的移動機器人在實驗室環境中運行而實現自然路標的提取。圖3為左右目特征點提取與匹配結果，可以看到在初步的匹配后，有許多誤匹配的點，需要對其進行高質量過濾。
應用視差約束， 視場約束等規則過濾后的結果， 剔除了大多數明顯錯誤的匹配點，如圖4所示。
對過濾后的特征點進行聚類?設定初始半徑為25cm，半徑增長步長為10cm，聚類結果如圖5所示。為了直觀起見，將聚類得到的特征點對應的圖像中的點標出，如圖6所示。
需要注意的是，由于機器人位姿不同， 導致對同一個物體的觀察角度出現差別， 當觀察角度差別較大時， 會出現聚類結果不同的現象，因為物體的不同側面的特征點不可能完全相同。如果在匹配過程中，使用原有路標的靠近聚類中心的特征點進行引導聚類，無法聚類成功或者無法匹配成功，說明需要建立新的路標，并更新路標庫。
5結束語
利用圖像特征點的三維坐標信息進行聚類， 可以有效地將空間距離相近的點歸為一個路標， 在機器人由于位姿變化導致視角不同時， 仍然可以較大概率匹配到原先觀察到的路標。 經過改進的Mean Shift算法根據為不同的場景產生合適的數量不等的路標， 可以很好地適應復雜環境。 本文提出的路標描述符可以有效提高路標匹配速度， 避免重復存儲相同路標。
參考文獻：
[1] Kortenkamp D， Bonasso R P， Murphy R. AI-based mobile robots： case studies of successful robot systems [M]. Cambridge： MIT Press， 1998.
[2]黃慶成， 洪炳镕， 厲茂海， 等. 基于主動環形閉合約束的移動機器人分層同時定位和地圖創建[J]. 計算機研究與發展， 2007， 44（4）： 636-642.
[3] 馮肖維，方明倫，何永義，等. 移動機器人自然路標特征提取方法[J]. 機器人， 2010， 32（4）： 540-546.
[4] 錢堃，馬旭東，戴先中，等. 基于顯著場景Bayesian Surprise的移動機器人自然路標檢測[J]. 模式識別與人工智能， 2013， 26（6）：571-576.
. Robotics， IEEE Transactions on. 2005， 21（3）： 364-375.
[7]林睿.基于圖像特征點的移動機器人立體視覺SLAM研究[D]. 哈爾濱： 哈爾濱工業大學， 2012.
[8] SHARMA K， MOON I， et al. Extraction of visual landmarks using improved feature matching technique for stereo vision applications [J]. IETE Technical Review. 2012， 29（6）： 473-481.
[9] MOZOS ? M， GIL A， et al. Interest Point Detectors for Visual SLAM[C]// 12th Conference of the Spanish Association for Artificial Intelligence， Springer Berlin Heidelberg. 2007： 170-179.
關鍵詞：中小企業；大學科技園；協同創新
作者簡介：胡涌（1959-），男，云南昆明人，北京林業大學高等教育研究所，副研究員；焦欣（1990-），女，河南三門峽人，北京林業大學人文社會科學學院碩士研究生。（北京 100038）
中圖分類號：F270.7 文獻標識碼：A 文章編號：1007-0079（2014）03-0211-03
中小企業是我國國民經濟的重要組成部分，其在稅收貢獻、出口創匯、增加就業等方面起到關鍵作用。隨著競爭日趨激烈，技術創新是中小企業保持競爭力、實現可持續發展的必然選擇。協同創新模式為中小企業以最小代價、最快速度實現技術創新提供了現實路徑，也是優化資源配置、提高創新效率的重要手段。
大學科技園具備企業孵化、創新人才培養與科技成果轉化三大基本功能，其特殊優勢與功能彌補了中小企業創新實踐中的短板與瓶頸。本文試圖構建一個以大學科技園三大功能為基礎的中小企業協同創新體系，以便起到拋磚引玉的作用。
一、我國中小企業的創新困境
1.理念制度亟待更新
我國中小企業管理模式大多為家族式管理或個人獨立經營，企業所有者缺乏完善的現代管理與創新理念，管理活動中存在著盲目性、短期性，管理思維缺乏系統性，無法制定出科學的創新戰略。[1]同時，企業缺乏對創新活動的激勵機制，缺乏創新的內在動力。
2.創新人才嚴重缺乏
在我國，科技人員與創新人才集中在高校、科研機構與大中型國有企業，中小企業從業人員的文化水平和技術水平普遍較低，技術和管理人才嚴重短缺。與此同時，與大型企業相比，中小企業的員工工資水平不高，發展前景不明朗，很難吸引高水平創新人才到企業工作。
3.創新資金不足
技術創新的開展離不開資金支持，研究與開發經費投入是企業技術創新的重要支撐。[2]我國中小企業的內部資金主要來源于企業家及合伙人的個人積蓄，多數企業資金積累較少。而從外部融資環境來看，由于中小企業規模小、資信差、抵押難等弱點，金融機構在中小企業信貸方面存在著一些歧視性的政策，企業很難從銀行獲取貸款。另外，中小企業缺少在資本市場上直接融資的政策扶植，難以獲得風險投資的支持。
4.創新信息獲取困難
信息資源是企業進行技術與管理創新的重要基礎，行業內的尖端科技與技術信息基本上都掌握在該行業的龍頭企業手中，中小企獲取信息資源難度高，進行信息交易的成本和風險較大，無法在第一時間準確地把握行業內的發展動態，進而造成創新成果落后的被動局面。
5.政策環境有失公平
目前國家針對大型企業制定了一系列技術創新優惠政策，但針對中小企業創新的政策工具數量偏少，政策環境有失公平。中小企業在融資、社會服務、信息獲得和技術引進等方面仍處于不平等地位。即使部分地方政府出臺了一些政策，但由于政策的執行不力，企業很難真正享受到地方政府的政策優惠，中小企業的創新發展受到了極大制約。
二、協同創新體系的特點
最早提出創新網絡（innovation networks）概念的是Freeman，他指出協同創新是以大學企業研究機構為核心，將政府、金融機構、中介組織等多元主體有機集合，形成協同互動的網絡創新模式。通過創新主體間不同層次、廣度、深度的合作與交流，產生復雜的非線性關系。[3]協作各方在共同目標的驅動下進行多層次、多環節、多方式的交流協作。[4]
協同創新體系的結構如圖1所示。
協同創新的主要特點有兩點：整體性——協同創新是創新主體和創新要素的有機集合，各主體的目標、功能與創新方式都表現出統一的整體性；動態性——創新系統是一個開放的不斷動態變化的系統。[5]綜上所述，協同創新是政府、企業、大學與研究機構、社會中介組織等為了實現重大科技與管理創新而整合的組織模式；協同創新是為了實現各方的優勢互補，加速創新技術的推廣和產業化，協作開展產業技術創新的綜合性活動。[6]
三、大學科技園的基本功能
國家大學科技園是企業實現自主創新的重要基地，是帶動區域經濟發展和行業技術進步創新發動機，是培養創新創業人才的重要平臺。目前，我國已累計認定國家大學科技園86家，涵蓋了24個省、自治區和直轄市的134所高校。[7]大學科技園的三大核心基本功能分別為企業孵化、創新人才培養、科技成果轉化。大學科技園的功能與結構如圖2所示。
1.企業孵化器
大學科技園的企業孵化器功能，是指針對企業創業初期常見的問題，為初創企業提供研發、生產、經營的場地與基礎設施，提供系統的培訓、咨詢及政策、融資、法律和市場推廣等支持，降低創業風險，提高初創企業的成活率和成功率。[8]大學科技園的企業孵化功能降低了高科技企業的創業成本，幫助和促進企業的創建、成長和發展，為企業發展提供良好的環境。
2.創新人才培養
是否擁有高素質的人力資源是企業發展的成敗關鍵，人力資源優勢也是大學科技園區別于其他科技園的壓倒性優勢。大學和科研機構每年為社會輸送大量人才，大學周邊常常成為人才的聚集地。早在20世紀80年代的硅谷，由于毗鄰斯坦福大學，聚集了6000多位博士，占加州博士總量的1/6。[9]大學科技園可以為各類創新型人才提供實踐鍛煉的機會，在實踐中培育一批具備專業素質，掌握豐富的管理知識、熟悉市場環境的科技企業創新創業人才。
3.科技成果轉化
大學科技園內的企業往往具有很強的創新需求，所以對于相對成熟的科技成果可以直接在企業進行試驗和應用。另外，大學科技園可以根據企業的實際需求為其推薦相應的高科技成果。大學與科研機構的科研創新人員與企業內部的創新人才直接接觸，實現科技成果的快速轉化和產業化。[10]
四、基于大學科技園的中小企業協同創新體系構建
大學科技園毗鄰高校，其依托于研究型大學或大學群，利用大學豐富的人才資源、創新能力、信息資源等綜合優勢，在政府政策引導和扶持下，將大學、科研機構、企業、社會中介服務等資源進行整合，引入企業化的管理模式，吸納多種投資渠道，在大學附近形成一定區域產業集聚的高科技園區。[11]
1.基于企業孵化功能的協同創新體系構建
（1）采用企業化的管理平臺。大學科技園采用企業化的管理平臺，為企業提供費用低廉的辦公場所，公共的實驗室、會議系統，統一的物業管理等，為企業降低創新成本，優化創新環境。另外，大學科技園經常開辦一些適應市場經濟發展的企業管理人員培訓課程，通過集中授課、實習觀摩等形式，學習行業內先進技術與創新動態，提高企業的創新意識和管理水平。
（2）引入多元的中介服務。建立完善的協同創新體系離不開完善、發達、多元的中介服務，中介服務部門在促進各類創新主體進行管理與技術創新中起到重要的作用。[12]如，金融服務機構可提供完善的金融服務和豐富的風險資金；融資擔保機構和風險投資公司可提供融資擔保和風險資金，以緩解中小企業創新資金短缺的壓力；人力資源中介機構可提供大量優秀人才資源，促進各創新主體間的人才交流與合作；法律事務所、會計事務所等其他服務機構，都可以為中小企業高效運行提供相應的服務，促進中小企業健康有序發展。
（3）特殊的政策扶持。創新活動風險高、投入大，企業自主進行的創新工作存在較大的正外部性，僅靠市場調解難以調動中小企業技術創新的積極性，因此需要政府發揮引導作用。一個良好的政策環境能夠為中小企業協同創新提供扎實的發展基礎。目前我國出臺了一系列針對大學科技園的優惠政策，范圍涉及園區建設、稅收優惠、知識產權保護、科技進步獎勵等各方面。同時不同地區根據本地區實際也制定了許多不同方面的優惠政策，最大程度方便大學科技園及園區內企業的發展。
（4）產業集聚效應。大學科技園內常出現同一產業的集聚，尤其是在行業特色型大學周邊，通常集聚與該校特色專業相關企業。[13]例如北京林業大學周邊集聚著林業工程、環境工程、環藝設計等綠色企業。園區內企業從事相同、相似、互補或相互關聯的經濟活動。上下游企業、同行企業之間通過充分的交流和競爭互相學習。頻繁的信息交流有效避免中小企業的重復研發，減少資源浪費。通過對關鍵技術與共性技術的合作開發，研發與技術人員流動等方式提高聚集圈內創新主體的整體效率，降低創新風險，刺激企業的不斷繁衍和產業集群的不斷擴大。[14]
2.基于創新人才培養功能的協同創新體系構建
（1）專業科研團隊提供創新技術。大學科技園內的高等學校、科研院所可以依照企業的創新需求進行技術創新工作。高校或研發機構，主要進行新產品的研發，創新生產與管理技術；高校與科研機構中優秀研發人才和團隊可以進入或組建企業，形成一種穩定化、長期化、制度化的利益共同體，提高中小企業的創新能力。
（2）聯合培養，輸送優秀人才。企業和大學雙方應當開展廣泛的合作，發揮大學科技園的創新人才培養功能，進行創新人才的聯合培養，如校企聯合培養專業碩士等。[15]大學生可以利用大學科技園的平臺，在實踐中學習創新、創業和企業管理技能，將自己培養成創新精神和實踐能力相結合的專門人才。
3.基于科技成果轉化功能的協同創新體系構建
（1）依托大學的豐富信息資源。高校不僅擁有海量的信息資源，而且在資源結構方面也是按照學科分類來構建的，能夠為高校科研及教學提供強大的信息服務支撐。此外，高校豐富的信息資源可以為企業提供最先進的學科技術、研究成果以及行業發展的最新動態。這些都可以為中小企業的科技創新提供有效的信息服務。
（2）技術本土移植，快速實現創新。大學科技園為創新科技成果順利轉化、進入市場提供了一個高效的平臺。大學與科研機構可以將研究的成果和創新項目直接帶入園區進行研究開發，將相對成熟的科技成果在園內企業直接進行試驗、應用和推廣，實現科技成果的本土移植，使大學的創新成果快速轉化和產業化。[16]同時，研究人員能夠非常方便地直接參與到企業工作當中，縮短科技成果的轉化周期、降低企業研發成本，較高程度提高科技成果產業化的成功率。
綜上所述，我們初步構建了一個基于大學科技園的中小企業協同創新體系（圖3）。
基于大學科技園這一平臺，依托大學和科研機構的科研創新能力，以中小企業為核心，充分利用社會中介服務組織和政府的優惠政策，在體系內的各主體、各環節、各層面間協同創新，共同構建一個上下游企業、高校、科研機構、政府、中介機構互相促進互相發展的協同創新體制。
五、基于大學科技園功能的中小企業協同系統特征
1.自組織性
大學科技園與中小企業構建的協同創新體系通過各創新主體間的協同作用，可以有效實現中小企業間創新資源互補，共同形成技術創新合力。這種協同作用具有自發性，即中小企業協同創新網絡具有自組織特征。企業、政府、高校和科研機構、中介服務機構之間組成了相互交織的動態系統，通過長期的聯系和磨合，形成一個完整的協同創新網絡，自動由無序走向有序，從低級有序走向高級有序。[17]大學與科研機構的創新成果得以充分轉化，產學研鏈條拉長；企業獲得持續性的創新動力和創新能力，吸納先進的管理理念和創新技術，得到良好的融資環境和政策環境，進而實現企業核心價值的提升和企業實力的跨越性飛躍；一批中小企業快速發展，進而盤活整個地區的經濟活動，拉動區域經濟發展。
2.開放性
大學科技園與中小企業構成的協同創新網絡是一個開放的系統，中小企業協同創新網絡在與外部聯系的過程中呈現出開放性的特征，整個系統不斷地和外界發生信息與技術交流。第一，參與主體之間由于長期形成的非線性的協同創新關系，不斷進行創新資源的交流共享，不受地域或者行政邊界的限制。[18]第二，大學科技園位于知識的核心焦點，為了滿足時展的需要，各參與主體的創新技術和創新能力不斷更新，知識體系不斷刷新。第三，大學科技園位于高水平人才聚集的知識密集區，創新人才流動大，創新能力不斷提升。
3.協同發展，整體進步
大學科技園將中小企聚集在同一地理區域，能夠大大降低創新信息流通、產品運輸等成本，企業間自發建立起彼此關聯的產業鏈和知識鏈，形成產業集群。各創新主體之間各種非線性的關系頻繁地進行著商品、服務、信息、勞動力等方面的交流和互動，促進各主體互相學習，密切合作，共同推動區域經濟的發展和企業的持續創新。[19]在大學科技園的統籌推進之下，整個園區較單個企業更加容易獲得政策支持、金融支持和信息支持等，產業集群進一步發展，形成由主導產業、相關性產業和支持性產業構成的具有整體性的強大競爭優勢的創新集合體。協同創新網絡體系不斷完善，創新效率不斷提升，進而推進大學科技園各個主體共同進步。
六、小結
大學科技園所具備的基本功能對于中小企業協同創新系統有著巨大的推進與促動作用，應當鼓勵中小企業抓住大學科技園這一優勢資源，實現創新成果迅速轉化、創新人才爆炸式發展與企業迅速成長。在這一體系中，企業、高校、大學科技園共同發展壯大，帶動企業乃至行業的技術與管理創新，進一步成為區域創新的源動力與經濟發展的發動機。
參考文獻：
[1]呂靜，卜慶軍，汪少華.中小企業協同創新及模型分析[J].科技進步與對策，2011，（2）.
[2]蘇景軍，梁濤，胡保民.合作創新——科技型中小企業的必然選擇[J].河北大學學報，2008，（5）.
[3]DeBresson C，Amesse works of innovators：A review and introduction to the issue[J].Research Policy，1991，（20）：363-379.
[4]劉中文，姜小冉.中小企業技術創新障礙分析及戰略聯盟的構建[J].改革與戰略，2010，（3）.
[5]陳勁，陽銀娟.協同創新的理論基礎與內涵[J].科學學研究，
2012，（2）.
[6]熊勵，孫友霞等.協同創新研究綜述——基于實現途徑視角[J].科技管理研究，2011，（14）.
[7]國家大學科技園十二五發展規劃綱要[S].2011.
[8]黃金城.國家大學科技園孵化器發展的空間模式的研究[J].中國高校科技與產業化，2010，（3）.
[9]何晉秋，章琰.大學科技園的功能定位[J].中國高校科技與產業化，2005，（8）.
[10]吳保根.大學科技園知識管理的理論與實證研究[D].上海：東華大學，2013.
[11]陳萬里.中國大學科技園發展及治理問題研究[D].武漢：武漢理工大學，2011.
[12]朱勝軍，何沙.大學科技園在中關村自主創新示范區建設中應如何發揮新作用[J].中國高校科技與產業化，2009，（8）.
[13]趙華偉.我國中小企業集群創新問題探討[J].經濟師，2008，（3）.
[14]葉陸艷.基于中小企業集群的知識創新研究[J].科學管理研究，2008，（3）.
[15]盧巧玲.美國中小企業技術創新服務體系建設的經驗及啟示[J].湖北經濟學院學報：人文社會科學版，2010，（11）.
[16]陳丹，劉馨.科技型中小企業合作創新的動機與障礙研究[J].山東社會科學，2010，（11）.
[17]張波.中小企業協同創新模式研究[J].科技管理研究，2010，（2）.
關鍵詞： 體育訓練； 運動視頻； 總體設計； 詳細設計
中圖分類號： TN948.43?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2017）05?0070?04
Abstract： The moving video analysis system in sports training can improve the action analysis ability of the sports training video playback and training quality. A new moving video analysis system for sports training is proposed to eliminate the shortco?mings existing in the current moving video analysis systems. The overall design of the moving video analysis system in sports training is analyzed. The detailed design of the system is analyzed. The performance of system was tested. The test results show that the system can analyze the video and image information of the sports training accurately， has high key frame extraction accuracy and high recall rate， and can guide the exercise training.
Keywords： physical training； moving video； overall design； detailed design
0 引 言
隨著圖像和視頻處理技術的發展，體育訓練逐漸科學化和智能化，采用視頻幀序列分析方法進行體育訓練中的動作特征采集和信息恢復，糾正不規則的體育訓練動作，改進運動訓練水平，用嵌入式控制芯片結合體育訓練中的運動視頻分析系統開發和設計，實現對體育訓練中運動視頻的實時監控和信息通信。在物聯網環境下，對體育訓練中運動視頻信息集成控制，結合專家系統分析數據，指導運動訓練[1]。
對體育訓練中運動視頻分析系統的開發設計主要分為硬件設計和軟件設計兩大部分，在進行視頻采集和分析系統硬件平臺搭建的基礎上[2]，重點進行體育訓練中運動視頻分析系統的軟件設計和開發。傳統方法中，采用嵌入式設計體育訓練中運動視頻分析系統模型具有一定的可靠性，但是隨著干擾的增大，在運動視頻分析系統的自動化控制和調度出現基線漂移和失真，控制性能不好。采用基于Android嵌入式系統的運動視頻分析方法具有移植性好的優點，但是同樣存在兼容性不好，對視頻幀訓練的控制性不準確等問題[3?4]。
針對當前的運動訓練視頻分析系統存在的難題，本文設計了一種新型的體育訓練運動視頻分析系統，并通過仿真測試進行性能驗證，驗證了本文系統的可靠性和穩定性。
1 運動視頻分析系統的總體設計
1.1 運動視頻分析系統的結構
體育訓練中的運動視頻分析系統建立在通用計算機平臺上，可以在不同操作系統上進行體育訓練中運動視頻的采集和圖像處理，視頻分析系統可以安裝Windows系統，也可以安裝Linux系統，采用嵌入式Linux的內核結構進行運動視頻的進程管理和控制信息程序加載，通過CAN發送嵌入式Linux系統的根文件系統，在[/bin，]/sbin，/etc，/lib，/dev，/usr，/var和/proc目錄中存儲體育運動視頻的幀序列，系統總體設計包括用戶控制模塊、視頻信息的采集模塊和輸出模塊等，在視頻信息處理模塊中，通過數據處理、圖像分析和視頻采集模塊進行腳本和服務器配置文件的開發，在輸出模塊，采用GUI人機交互系統進行體育運動訓練中的視頻及圖像信息分析，并將圖像處理程序下載到開發板中執行運動訓練視頻分析和整個系統的軟件驅動[5]。根據上述分析描述，得到本文設計體育訓練中運動視頻分析系統的總體結構模型如圖1所示。
1.2 運動視頻的圖像處理算法設計
圖像處理算法是整個視頻分析系統的核心，包括運動視頻圖像的檢測和特征提取等。采用梯度直方圖分析方法提取運動視頻圖像的特征[6]，梯度直方圖能夠將運動監測圖像區域的梯度強度和方向準確描述出來，因此可以使體育訓練監測區域的運動員動作外形表現的更為精確。由于梯度方向直方圖對同一個Cell梯度的不同特征模型無法區分，不能對運動員各種行為特征進行有效識別。本文采用ExHOG特征算法解決上述問題，算法如下：
設[θ]為體育訓練運動監測視頻圖像梯度方向，并設定0°～360°作為方向空間；提取梯度直方圖特征HG；[θi]為0°～180°無符號的梯度方向空間，其特征為HOG；[i]表示[θ]的量化通道，取值為[MHG（i）；][L]表示通道個數，則HOG的計算方法為：
式中：[MHOG（i），][MDiffHG（i），][MExHOG（i）]分別表示運動視頻監測區域梯度直方圖特征在[i]通道的權值。
在視頻采集中，由于外部環境和運動過程的隨機性，導致干擾極為復雜多變，使得監測圖像存在大量噪聲干擾，提取出的HG行為特征出現很大的梯度峰值，需要進行圖像干擾處理。由式（1），式（2）可以看出，HOG和DiffHG分別由HG特征計算得出，因此同樣會出現較大的梯度峰值，從而使ExHOG特征存在大量噪聲。所以，在每個cell提取HG特征后對圖像檢測區域梯度直方圖進行[L2]范數歸一化處理，并截斷圖中峰值，經過處理后ExHOG特征有效抑制了梯度峰值和噪聲干擾[7?8]。
在降噪處理的基礎上，采用奇異值分解法和相位卷繞技術運動提取視頻特征，最后通過最小二乘擬合獲得運動視頻圖像的差異性，像素級機器視覺特征為：
[X′m]針對不同視頻幀序列的像素值不同，在算法設計中有[X′m]個初始化值。
采用計算機識別方法采集視頻，使用窗的個數為[K，]根據圖像采集傳感器的輸出陣列，利用[S]變換計算功率譜估計，得到運動視頻的幀差功率譜估計為：
式中：時間序列長度為[N；][hk（n）]為次譜估計的時間窗函數。
采用多窗譜估計法對視頻輸出陣列傳感器輸出的動作矯正信息進行功率譜計算，取一組相互正交的離散橢球序列作為時頻移動步長建立功率譜時頻圖，得到功率譜時頻圖表達式為：
最后選擇訓練樣本，從[X]個特征中隨機抽取[Y]個特征作為候選特征，進行訓練，實現體育運動訓練中的運動視頻分析和特征識別，并輸出識別結果。
2 系統具體設計與實現
2.1 開發流程及程序配置
采用嵌入式內核的交叉編譯環境進行程序編譯和軟件開發，體育訓練中運動視頻分析系統的嵌入式Linux系統分為四個層次，分別為：
（1） 通過引導加載程序進行體育訓練中運動視頻集成控制的視頻圖像處理算法加載，同時對VME總線傳輸的時鐘進行初始化操作，編譯內核的D/A分辨率，對不同文件系統的操作進行集成控制，建立Linux根文件系統進行體育訓練中運動視頻的MXI總線控制的D/A轉換。
（2） Linux內核用于實現體育訓練運動視頻分析系統的特定功能，在嵌入式設備上進行收發轉換采樣和交叉編譯，在編譯器路徑加入系統環境變量，進行多通道數據記錄。執行init進程，分析系統內核的配置，實現文件配置。
（3） 文件系統實現體育訓練中運動視頻集成智能控制的數據存儲和調度。
（4） 用戶應用程序模塊是實現應用程序和實際設備之間的接口設計，通過內核配置、編譯，按操作普通文件的方式訪問并控制硬件設備，對塊設備進行讀/寫操作。
設計體育訓練中運動視頻分析系統的軟件開發流程，如圖2所示。
2.2 程序加載與交叉編譯
在Linux內核配置選項中，使用make menuconfig命令進行配置，復位信息使用惟一的ID0x5F選擇DSP，通過工具loader，實現視頻分析過程的中斷控制，進行體育訓練中運動視頻分析系統嵌入式Linux定制和控制程序的編譯，編譯主要代碼描述為：
Generates Settings ???>
Qt/Embedded image filesystem ???>
[*]downloaded //視頻信息采樣及圖像處理程序下載
Applets links（Qt Virtual Fram Buffer） ???>（/home/ SmDialog /nfs） qt?embedded?arm prefix
Root file object model Tuning ???> //對象模型、抽象控件
[*]rootfs.yaffs /Provide Qtopia application environment
//設備提供Qtopia應用環境
[*]Generate bin， SBIN folder commands
[*]deprecated：aliased //設置SDICON寄存器
[*]SDIPRE register set //設置SDIPRE寄存器
[*]Script sSDICmdArg fileShells ???>
???Ash Shell Options //寫32位命令到SDICmdArg
[*]Check for SDICmdSta File System //命令類型為無答復
[*]Lash（arm?angstrom?linux）
//lib清除SDICmdSta寄存器中的相應標志位
設定SIC_IWR寄存器，包含CSEL位和SSEL位，其值是隨機需要用各種方法計算視頻分析的參數，以進一步分析系統性能。進行軟件的模塊化開發和多線程控制設計，在對體育運動特征追蹤中，建立視頻分析系統，系統上層是應用平臺層，包括工作流引擎、組織權限框架、基礎數據訪問組件等。這些組件分別封裝了工作流、組織權限、數據訪問等方面的基本功能部件，是應用系統構建業務邏輯的基礎，用free_irq（）函數釋放驅動程序，對應的內核函數為unregister_chrdev（）：
#define MISC_ MISCs3c2440_pwm_ioctl //主設備號
#define struct file *filp "pwm" //設備文件名
int ret nstall?qt?embedded （）；
ret=s3c2440_unregister_blkdev（） （&misc）；
驅動程序塊設備驅動程序對應的內核函數unregister_blkdev（），在交叉編譯環境中配置和編譯Linux內核，編輯.Bashrc文件，采用Qt/Embedded 4.6建體育訓練中運動視頻分析系統的圖形用戶接口，實現可視化控制，由此完成系統的軟件開發與設計。
3 系統性能測試與分析
在嵌入式設備上運行Qt C++ API執行體育運動訓練中的視頻信息采集和特征檢測。使用Agilent 33220A信號發生器作為測試信號分析視頻分析過程中的穩定性。在進行了ZLG7290初始化操作之后，通過驅動程序流接口函數封裝驅動程序代碼，通過I2C從ZLG7290讀取Linux內核的圖像處理程序進行數據加載和參數初始化設定，得到運動視頻分析系統的參數設定界面如圖3所示。
根據圖3的系統界面進行體育訓練中運動視頻控制參量設定和視頻信息采集，在可視化模塊中進行人機交互和GUI控制，運動視頻分析的輸出界面如圖4所示。對采集的原始運動視頻進行特征分析，得到的分析結果如圖5所示。
表1給出本文體育運動訓練中視頻分析系統的關鍵幀提取準確度和召回率，從表1可知，隨著關鍵幀提取準確度的增大，召回率增大，說明兩者之間存在正相關關系，而且本文系統的關鍵幀提取準確度、召回率要優于傳統方法。
4 結 語
為了提高體育運動訓練的科學指導水平，本文設計了一種新型的體育訓練運動視頻分析系統。首先對系統進行總體設計，然后進行系統詳細設計，最后進行系統仿真測試，結果表明，該系統可以準確描述體育訓練各個過程，提高了視頻關鍵幀的提取的準確度，召回率高，可以用于指導運動訓練，具有一定的應用價值。
參考文獻
[1] 彭小江，張家樹.基于特征匹配和校驗的魯棒實時電子穩像[J].光子學報，2011，40（9）：1442?1446.
[2] 溫佳，馬彩文，水鵬朗.改進自適應LBG矢量量化算法在干涉高光譜圖像壓縮中的應用[J].光譜學與光譜分析，2011，31（4）：1033?1037.
[3] 陸興華，吳恩觶黃冠華.基于Android的智能家居控制系統軟件設計研究[J].物聯網技術，2015，5（11）：14?16.
[4] 劉茂旭，何怡剛，鄧芳明，等.融合RFID的無線濕度傳感器節點設計研究[J].電子測量與儀器學報，2015，29（8）：1171?1178.
[5] 呂富勇，周瑞卿，阮世陽，等.高頻磁場檢測中采樣保持器的設計及其性能分析[J].電子測量技術，2015，38（8）：13?16.
[6] 鄭道寶，王懷杰.基于ARM/GPRS的遠程圖像報警系統的設計[J].計算機測量與控制，2013，21（1）：149?151.
關鍵詞： 經驗模態分解； 時間序列； 因子分析； 神經網絡
中圖分類號： TN711?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2017）05?0130?04
Abstract： The sports result prediction is the key to formulate the scientific sports training plan. Aiming at the low prediction accuracy of the current models， a sports result prediction model fusing the factor analysis with neural network is put forward. The self?similarity regression model was constructed according to the sports result apriori information. And then the empirical mode decomposition and factor analysis were conducted for the sports result data. The BP neural network is used to establish the sports result prediction model. The performance of the model was tested with simulation experiments. The results show that the model has higher precision of sports result prediction， and good convergence property.
Keywords： empirical mode decomposition； time series； factor analysis； neural network
0 引 言
體育成績是反應體育訓練水平的重要表現，通過對體育成績的準確預測能挖掘出人體訓練的規則性因子和特征，從而促進運動訓練和體育教學的改進。因此，研究體育成績的預測模型在促進科學訓練、提高運動成績方面具有重要意義。
體育成績的預測準確度受到的約束因素較多，如人體特征的變化、性別、年齡、天氣、運動場館以及各種環境因素。對體育成績的預測模型是一個多變量和多參量的統計分析過程，涉及的學科有統計學、信息處理學和現代數學[1]。傳統方法中，對體育成績的預測方法有基于AR模型估計的體育成績預測算法[2]、特征空間分解方法[3]、經驗模態分解方法[4]、基于小波分析的體育成績時間序列預測方法等[5]。建立體育成績的線性擬合特征空間，采用多參量約束重構方法構建預測模型，具有較好的預測效果。但這些方法存在計算開銷大、預測過程中對參量的自適應抗干擾性差等問題，導致預測的精度低。
針對上述問題，本文提出基于因子分析和神經網絡相融合的體育成績預測模型。對統計的體育成績先驗信息構建自相似回歸模型，在自相似回歸模型中對體育成績時間序列進行經驗模態分解和因子分析，采用BP神經網絡分類模型進行體育成績的特征信息聚類和信息融合處理，實現預測模型優化。最后通過仿真實驗進行測試，得出有效性結論，展示了本文預測模型在提高預測精度方面的優越性。
1 體育成績預測的數學模型
1.1 體育成績統計參數分析
w育成績數據可以看作是一組非線性時間序列。采用非線性時間序列方法分析體育成績的走勢，統計分析體育成績，采用一個多元統計特征方程描述體育成績的擬合狀態模型為：
最后得到的[ykN-1k=1]是一個具有可預測性的體育成績時間序列。在BP神經網絡中通過對體育成績的信息屬性分類，進行體育成績的特征信息聚類和信息融合處理，實現預測模型優化設計。
3 結果與分析
采樣樣本來自于某高校大一和大二學生的體育成績，包括的體育項目有3 km長跑、100 m短跑、游泳等。對采集的體育成績進行統計分析和最小二乘擬合，并在Matlab仿真軟件中分析數據。神經網絡采用的是三層網絡結構，學習訓練參數為[NEj*（t）=1+9e-t1 024=12，]體育成績測試集中，碼數為1 024個，環境信息對預測模型的干擾強度設定為13 dB，數據采樣的時間間隔為1.5 d，迭代次數為10 000次。
根據上述仿真設定，設計體育成績預測模型，得到樣本數據時域波形描述如圖2所示。
以上述采集的體育成績統計樣本為測試集，進行體育成績預測模型仿真分析，得到不同方法的預測誤差對比結果如圖3所示。
根據上述仿真結果，得出如下結論：
（1） 隨著迭代步數的增多，預測誤差降低，這是因為通過多次迭代，使用體育成績的先驗信息較多，使得預測精度提高。
（2） 利用本文模型進行體育成績預測的誤差小于傳統方法，相差的最大幅度達到35.98%。由于本文方法使用因子分析和神經網絡訓練，進行體育成績的數據信息聚類和融合，提高了預測精度，在收斂性和穩健性方面具有較好的表現。
4 結 語
為了提高體育運動訓練的科學指導性，進行體育成績預測，提出了因子分析和神經網絡相融合的體育成績預測模型。并對本文提出的模型進行性能測試，結果表明，本文模型提高了體育成績預測的精度，而且預測誤差可以滿足實際應用的要求。
參考文獻
[1] 趙波.十項全能世界頂尖男子運動員成績分析及預測研究[J].體育文化導刊，2013（3）：76?79.
[2] 趙丙軍.運用多元回歸方法建立我國男子跳遠項目訓練模型的研究[J].西安體育學院學報，2011，18（1）：81?82.
[3] 魏春玲.我國十項全能運動成績的因子分析及灰色系統回歸預測研究[J].體育科學，2004，24（11）：51?53.
[4] 劉國璧，袁宏俊，孫群，等.基于模糊神經網絡的劉翔110 m欄成績預測[J].安徽電子信息職業技術學院學報，2011，10（1）：16?18.
[5] 龍斌.基于支持向量機的劉翔110m欄成績預測[J].天津體育學院學報，2009，24（4）：330?333.
[6] 王宗平，孫光.應用BP神經網絡算法對運動成績預測的實證研究[J].南京體育學院學報，2006，20（4）：109?111.
[7] 莊沖，王宗平.灰色系統模型與BP神經網絡模型在體育成績預測方面的比較研究[J].南京體育學院學報，2006，20（6）：134?135.
在歷史的變遷和時代的不斷更替中，媒體形式以及內容都發生了巨大的改變。借助于計算機以及互聯網技術的發展，傳統的報紙、廣播、雜志等傳播媒體逐漸被新興的互聯網以及移動終端等手機媒體擠占市場。然而，在媒介大發展的時代下，傳統媒體并不是被新興媒體所代替，而是各種媒體的相互融合過程，這種全媒體時代帶給了受眾以多樣化的個性選擇。手機媒體是全媒體中的一個重要方面，手機媒體與體育傳媒的融合能夠改變現有的體育傳媒面貌，帶來各方面的創新實踐。
一、全媒體時代下的體育傳媒特征
全媒體時代下提供給了體育傳媒以更加豐富的媒介傳播形式的選擇，也由于人們生活觀念以及方式上的變化，體育傳媒也體現為更加多樣化以及人性化的傳播方式。在全媒體時代下的體育傳媒主要表現為以下幾個方面的特征：
（一）及時性
體育傳媒在新的時展中，具有更加高效和及時的傳播效率。新興的網絡媒體能夠對信息進行十分快速和便捷的傳播，在體育傳媒中也充分利用到了這些新興媒體的發展，將體育新聞的報道范圍和方式擴大，及時的更新體育信息，從而讓受眾最快的接觸到體育實時新聞內容。
（二）個性化
個性化的體育媒體特征是對現代人追求精神享受以及個性特征心理的一種反應。由于物質生活的不斷滿足，人們對于自身的生活內容有了更多方面的關注，個性化的追求改變了市場需求和狀況，這也同時帶來了體育傳媒中的個性化改變。體育傳媒有了更加精細的劃分，不同項目以及不同風格的體育傳媒被分別呈現在特定的受眾面前，從而受眾能夠從中享受到個性化的服務。
（三）專業化
在以往的體育傳媒以及新聞報道中，娛樂性是其中的一個重要追求內容，但在全媒體時代性，對于專業性的追求則更加深入地提下了體育傳媒的新特征。這種專業化可以從兩個方面來解析：一方面是體育傳媒技術本身的專業化，另一方面是對體育活動以及項目的專業化報道和解析。通過專業化的體育傳媒，能夠向大眾普及體育知識，提高個人的體育認知，從而營造積極良好的社會風貌。
二、全媒體時代下手機媒體與體育傳媒的融合
在全媒體時代下，手機媒體作為后起之秀表現出了強勁的媒體特征和需求，手機媒體能夠提供給人以更加高效和個性化的信息服務。在全媒體時代下，手機媒體是一個不可忽略的新興媒體形式，在體育傳媒中，通過對手機媒體的運用，能夠促使體育傳媒更好的發展。
（一）手機媒體的發展趨勢
隨著手機媒體的發展與普及，手機媒體的影響力在不斷擴大，手機媒體帶來了跨媒體的傳播和融合過程。在手機媒體的發展過程中，還呈現出它所特有的發展趨勢。
1、個性化定制服務
手機媒體是一種便攜式媒體，時空限制也較小，個性化的定制服務帶來了手機媒體的優勢。手機用戶可以十分方便地從手機媒體上獲得自身感興趣的新聞信息，而不是面對浩瀚的信息海洋而無處下手。
2、全面的媒體融合
手機媒體還充分發展了擴充了媒體之間的融合空間，帶來了全媒體的發展新局面。手機媒體能夠將報紙、廣播、電視以及互聯網等媒體形式都融合起來，在一個最終的移動終端上進行資源的互享，提高了資源的利用率。
3、增強用戶粘連度
由于手機媒體能夠做到對用戶需求和信息的及時意見收集，可以提供給用戶多方面的互動體驗，從而帶來了較好的用戶粘連度。手機媒體在發展過程中，也應該不斷增強對用戶的吸引程度，從而將這種粘連度更好的利用和發展起來。
（二）手機媒體與體育傳媒融合的新思維
手機媒體具有十分良好的市場前景，在體育傳媒中通過與手機媒體的融合，能夠帶來體育傳媒的新思維和新形式。
1、促進媒體的良性發展
通過手機媒體與體育傳媒的融合，能夠帶來媒體形式以及媒體內容的良性互動發展。利用手機平臺體育消息和報道，能夠提高信息的傳播和接受效率，同時也由于個性化的需求品質增加，也可以促使體育傳媒提高其報道質量。
2、增強傳媒的創新精神
手機媒體與體育傳媒融合還能夠帶來傳媒創新精神的發展。傳媒過程本身是要建立在對市場的深刻洞察和引導上的，需要具備十分敏銳的觸覺，才能將傳媒功效發揮到最大化。手機媒體與個人之見的距離很近，而體育傳媒是人類社會中的一項重要傳媒內容，兩者之間的巧妙融合，能夠帶來傳媒之路的新發展。
3、提升體育的傳播價值
體育傳媒是需要體現相應的傳播價值的，既有體育精神，也包括了相應的人文情懷和文化觀念。在全媒體時代下的手機媒體與體育傳媒的融合過程中，體育傳媒本身的傳播價值能夠得到更好的體現，同時也能夠從中得到提升。
三、總結
摘 要 運用文獻資料等研究方法，對體育領域中認知心理學的研究展開調查。結果表明，認知心理學能夠解答體育行為的信息加工過程，目前在國內外已經開展了廣泛的研究。雖然認知心理學是為體育科學的發展提供了新的視角，但也存在著研究不足、機理不清、表征解答不明確等問題。
關鍵詞 體育領域 認知心理學 研究現狀與特征
認知心理學是“試圖了解人的智力性質和人們如何進行思維”的科學，其目的是要說明和解釋人完成認知活動時是如何進行信息加工的，并以此來促進人類的發展。體育運動行為，作為人認知行為活動的方式之一，其在激烈對抗、表現難美和互相博弈中的信息加工過程，不僅是人智力行為的高度展現更是人復雜思維模式的代表之一。
一、認知心理學在體育領域中研究的效用
人類在認識外部世界的過程中，80%的信息是通過視覺提供的。視覺系統與腦的許多高級功能密切相關，深入而系統地研究視覺通路及其信息加工，不僅是認知心理學的發展方向之一，同時也是當代體育科學探索運動技能形成中的，認知信息加工方式及特征研究的前沿課題。
二、國內外研究現狀與存在問題
（一）國內外研究現狀
認知心理學興起于20世紀50年代，《認知心理學》的出版標志著認知心理學作為一門學科誕生[1]。至20世紀80年代認知心理學已基本取代了行為主義心理學，在心理學領域占據了主導地位[2]。認知心理學研究人的高級心理過程，是“試圖了解人的智力的性質和人們如何進行思維的科學。它從信息加工觀點研究人的認知過程，把人的心智過程看成是一種信息加工系統，對來自各方面的包括內部和外部的信息進行變換、簡約、加工、存儲和使用，以實現不同的認知目的[3]。對于認知心理學的研究，最初主要圍繞語言學習、語言習得的信息加工特征和作用機理展開的。但隨著研究的不斷深入，認知心理學已經進入到基于視覺信息下的認知行為信息加工機制與特征研究。
在體育領域，國內外專家學者很早就開展了運動學習與心理之間的相關性研究，并以運動技能學習模型、信息加工模型、\動技能獲得等研究成果，初步揭示了認知信息加工下的運動學習獲得和發展的內在規律。近年來，隨著基于視覺信息加工下的認知心理學研究的深入，國內外體育領域的專家學者Green T、Abele、陳敏、Richard A等，通過視覺阻斷動作技能行為表現、眼動追蹤儀結合動作分析儀分析視覺信息加工下的認知反饋和眼動分析儀結合ERP探索運動情景下的認知信息加工機制等研究范式，從符號操作層次對運動技能獲得和發展內在機制及認知編碼的策略進行廣泛的研究，其研究成果表明視覺信息認知加工對運動技能的表現與學習具有重要的影響，良好的視覺信息加工能力能促進運動技能的學習與水平提高。目前，國外該領域內的研究已經進入到運動技能形成與學習中視覺認知信息在不同運動情景環境與運動行為、信息量與反應認知方式、信息量與信息加工方式、信息變化與決策反饋等問題的探索階段。而國內由于在該領域起步較晚，雖然近年來在技能學習、信息加工、情景變化、運動決策方面取得較為豐富的研究成果，但總體水平依然與國外先進國家存在一定差距，特別是在青少年運動技能學習的研究領域現有的成果還較少。
（二）存在的問題
作為一個從可觀察到的現象來推測觀察不到的心理過程以及由傳統的自為經驗向實證的科學嬗變過程的運動技能學習與控制，其現有的成果雖然揭示了人認知行為的信息加工特點及規律但對于徹底揭示人的認知本質和運動技能的形成與發展還存在較多問題。主要表現為：（1）視覺信息加工下的認知行為是一個復雜的過程，受不同環境、不同信息加工方式、不同信息量等因素影響較大，其現有的研究成果還不足以揭示其認知本質，需要不斷的豐富實驗研究和數據采集，以提供更堅實的研究基礎。（2）視覺信息加工與運動技能形成雖具有高度的相關性，但對于信息量、信息加工方式、決策反饋、運動行為在技能形成中所占的具體相關比重還不確定，需要實驗不斷加以分析、驗證。（3）不同運動項目運動技能的學習與控制有不同的信息加工方式和認知行為特征，雖然國內外專家學者對網球、羽毛球、乒乓球等復雜運動技能項目進行了分析，但對于以足球、籃球為代表的集體運動和田徑、滑冰等簡單技能項目研究的不足，使得當前對運動行為認知信息加工特征的研究還不完善，需要不斷的再進行驗證與探索，以解答不同“假說”與疑問。（4）不同運動等級和不同年齡階段的運動員，在運動技能學習與控制過程中有著不同的認知信息加工特征。而現有的研究多針對成年運動員，不但缺少對青少年運動員的測量與分析，且過于注重信息加工結果特征不注重信息加工過程變化特征的研究，使得基于視覺信息認知加工下的運動技能形成規律研究成果存在較多漏洞。
三、結語
認知心理學促進了體育行為的研究，由傳統經驗下的分析實踐探索向科學化、數據化、定量化、定型化的思維空間轉變。在更及時、客觀的地揭示人在學習運動技能中信息加工、信息決策、信息反饋與運動行為之間關系的同時；推動體育學科走向現代化，以科技的力量促使體育運動訓練由自覺的經驗向自為的科學嬗變。
參考文獻：
[1] Neisser U.Cognitive Psychology[M].New York：Appleton Century Crofts.1967.