导读:本文包含了视觉决策论文开题报告文献综述及选题提纲参考文献，主要关键词:运动决策,视觉追踪,篮球
视觉决策论文文献综述
李泰安,席诗棋,张禹,李杰[1]（2019）在《篮球运动中决策任务对视觉追踪的影响》一文中研究指出研究目的:运动决策能力和视觉追踪能力是高水平篮球运动表现的必要因素。近年来有研究分别探讨了运动员运动决策和视觉追踪表现的影响因素,如情绪、信息量、执行功能等对运动决策的影响,运动速度、目标数量、目标特征等对视觉追踪的影响。然而,运动决策与视觉追踪二者如何互相影响,目前尚不清楚,因此本文探讨了篮球运动中决策任务对视觉追踪的影响。有助于我们进一步了解高水平运动员的信息加工过程和视觉认知机制,丰富运动认知相关的理论,以及协助教练员更加有针对性地指导训练,帮助运动员在比赛中有更好的运动表现,取得更好的竞赛成绩。研究方法:实验将传统的多目标追踪范式与决策任务进行了结合,研究参与者选取某大学30名篮球专项国家二级运动员和30名篮球业余爱好者,所有参与者的视力或矫正视力正常,均对篮球规则有基本的认识与理解。实验材料是使用GoProhero5拍摄的第一人称视角真实场景对抗视频,视频内容是由专业组篮球运动员拍摄的持续5-8s的4对4半场攻防场景。实验采用2×2的组间设计,自变量为有无决策任务及参与者的运动水平。其中为了平衡工作记忆带来的影响,对决策组参与者的进行决策任务的实验顺序进行了调整,将其分为先决策组和后决策组进行实验,而无决策组参与者在每个试次视频播放结束之后注视点会继续保持3s。因变量为参与者追踪视频结束时队友位置的正确率和反应时。实验过程如下:参与者需要依次观看30段篮球攻防视频,在每段视频结束后,要求有决策任务组的参与者完成运动决策任务(包含叁种决策选择:突破、传球、投篮)和队友位置标注任务(在篮球平面图上又快又准地标注出视频结束时叁名队友在半场所处的位置),其中先决策组参与者先进行决策任务,再进行队友位置标注任务;后决策组参与者则需要先进行队友位置标注任务,再进行决策任务。而无决策任务组参与者的实验流程与有决策任务组相同,只是每个试次的视频播放结束后,继续呈现持续3s的注视点,然后直接进行队友位置标注任务。研究结果:以有无决策任务和参与者运动水平为自变量,位置标注正确率和反应时为因变量做二因素方差分析。结果显示,有无决策任务的主效应均不显着(F(1,57)=0.079,p=.780,偏η2=.001;F(1,57)=2.986,p=.090,偏η2=.051),运动水平的主效应也均不显着(F(1,57)=3.140,p=.082,偏η2=.053;F(1,57)=1.733,p=.193,偏η2=.030),而有无决策任务与运动水平的交互作用均显着(F(1,1)=6.968,p=.011,偏η2=.111;F(1,1)=7.605,p=.008,偏η2=.120)。进一步简单效应检验显示,高水平组与低水平组参与者的位置标注正确率和反应时在有无决策任务两种条件之间均存在显着差异,且高水平组参与者有决策任务条件下的正确率显着高于其无决策任务条件下的正确率,同时也显着高于低水平组有决策任务条件下的正确率。而高水平组参与者有决策任务条件下的反应时显着低于其无决策任务条件下的反应时,同时也显着低于低水平组有决策任务条件下的反应时。这表明决策任务对于参与者位置标注正确率和反应时的影响与参与者运动水平相关。总之,在进行视觉追踪任务的过程中,有无决策任务与运动员的运动水平之间存在显着的交互作用,即决策任务对不同水平参与者位置追踪表现的影响有显着差异,具体而言,相比于低水平组参与者,高水平组运动员在有决策任务存在时的视觉追踪表现明显更高。研究结论:1)相比于运动水平较低的运动员,在有决策任务条件下高水平运动员的视觉追踪表现更好。说明长时间的运动训练使高水平运动员的认知资源更为广泛,调动更为灵活,从而可以更好地完成视觉追踪任务。2)相比于无决策任务条件,高水平运动员在有决策任务条件下的视觉追踪表现更好。即对于高水平运动员,视觉追踪过程中的决策任务并没有干扰视觉认知加工,反而促进了追踪表现。说明这其中可能存在一种认知机制,与任务相关的决策等信息加工过程激活了认知资源,使得注意力更加关注于主要任务,从而提高了认知表现。本研究为之后篮球运动员的运动决策和视觉表现相关研究提供了新的技术手段和思路。(本文来源于《第十一届全国体育科学大会论文摘要汇编》期刊2019-11-01）
孙美艳,刘峻,练毅[2]（2019）在《基于机器视觉和决策树算法的智能面包机面团发酵过程识别研究》一文中研究指出面团的发酵过程受到面粉种类、温度、加水量、酵母量等诸多因素的干扰,通常须人工经验掌控,耗时耗力,难以掌控。采用机器视觉技术,搭建了图像采集试验台架,抓取了面团发酵过程的图像,提取了面团图像的5个特征,确定了面团发酵的时域过程:充满区-上涨区-停滞区,使用决策树算法对数据集进行了筛选和训练,获得了用户友好、逻辑清晰的面团发酵过程可视化树。十折交叉验证结果表明,基于决策树算法的面团发酵过程分类树的精度达到了98%以上,准确地掌控了发酵时间。研究成果为面包机等烘焙设备的智能化发展提供了技术支持。(本文来源于《包装与食品机械》期刊2019年05期）
马愿[3]（2019）在《码隆科技CEO黄鼎隆：打造全球领先的视觉决策引擎》一文中研究指出今年3月，2019世界经济论坛“全球青年领袖（Young Global Leaders）”获奖名单揭晓，127位来自全球各领域的精英人士成功入选，其中有9位获奖者来自中国。凭借在科创领域的突出贡献，码隆科技联合创始人兼CEO黄鼎隆博士成功登榜，与众获奖者(本文来源于《深圳特区报》期刊2019-05-31）
后士浩[4]（2019）在《面向嵌入式换道决策辅助系统的视觉车辆检测和测距算法研究》一文中研究指出换道是一种较为普遍的驾驶行为,涉及到车辆的横向和纵向运动。驾驶员在换道的过程中往往需要密切关注目标车道和前方的驾驶环境,极易由于疏忽大意而引发交通事故。以换道决策辅助系统(lane change decision aid system,LCDAS)为代表的高级驾驶辅助系统(advanced driving assistant system,ADAS)可以利用车载传感器对道路环境进行实时准确的感知,从而有利于发现潜在危险,并及时向驾驶员发出警告或采取主动控制车辆制动、转向等措施以避免交通事故的发生,成为了人们行车安全的重要保障。本文以换道决策辅助系统的环境感知为研究内容,主要开展了视觉车辆目标检测、跟踪和测距算法的研究,完成的具体工作内容包括:(1)提出Enhancement-tiny YOLOv3车辆目标检测算法。为了提高Tiny YOLOv3模型检测小目标车辆的准确率,本文将Tiny YOLOv3网络的maxpool3层修改为conv4层,增加conv5层将conv4层的特征通道维度压缩以减少无效参数,同时连接conv6层和新增的upsample2层的特征通道维度作为特征金字塔网络的特征图分支层,进一步利用k-means算法修改anchor box的个数和尺寸,并详细介绍车辆检测算法的工作流程。(2)研究车辆目标跟踪技术。在不利用图像信息的前提下,本文从运动建模理论出发提出了基于卡尔曼滤波的车辆跟踪算法。假设车辆目标在图像序列间匀速移动,根据车辆检测包围框与跟踪包围框的重迭度(intersection over union,IOU)以及匈牙利匹配算法建立跟踪框和检测框的对应关系,并通过卡尔曼滤波算法对不同匹配类型的目标车辆位置进行预测和更新。(3)研究基于单目视觉的车辆目标测距技术。本文通过道路消失点检测算法估计摄像机的偏航角和俯仰角,将俯仰角的变化考虑到逆透视变换(inverse perspective mapping,IPM)中建立动态逆透视变换模型,并对动态逆透视变换俯视图中的摄像机偏航角进行几何建模,最终建立换道决策辅助系统的基础测距模型。进一步考虑侧后方和前方摄像机的安装位置不同,判断车辆目标方位,并利用对应的位置信息进行测距。(4)分别对车辆检测、跟踪和测距算法进行试验验证。本文搭建了基于NVIDIA Jetson Xavier嵌入式开发板和3个USB摄像机的实车试验平台,验证本文车辆检测、跟踪和测距算法的可行性和有效性。试验表明:相比Tiny YOLOv3模型,在没有跟踪算法的情况下,Enhancement-tiny YOLOv3模型的平均精确率和平均召回率分别提高了4.6%和7.4%;加入跟踪算法后,融合算法的平均精确率和平均召回率分别提高了10.6%和23.6%;加入测距算法后,本文测距模型的动静态误差在7%以内,且平均处理速度可达28帧/s。结果表明,本文算法能够满足嵌入式换道决策辅助系统实时性和准确性的要求。(本文来源于《江苏大学》期刊2019-04-01）
刘恩泽,吴文福[5]（2018）在《基于机器视觉的农作物表面多特征决策融合病变判断算法》一文中研究指出针对规模化种植农作物的病变判断问题,本文利用机器视觉技术,提出了表面多特征决策融合的农作物病变判断算法。采集多张农作物叶片的图像,对每一张叶片分别通过不同算法提取表面特征;设置特征权重,将不同特征结合起来判断该叶片出现病变的可能性;并对所有的叶片的结果采用大多数投票决策法对该区域病变情况进行判断。与人工判断方式相比,本文算法减少了工作量,同时可以实现农作物病变的有效预警。(本文来源于《吉林大学学报(工学版)》期刊2018年06期）
田海韬,赵军[6]（2018）在《一种基于机器视觉的种薯自动化切种决策机制》一文中研究指出种薯自动化切种决策机制可以为自动化切种机设计提供理论依据与参考,相关研究目前尚属空白。在现有马铃薯质量检测和芽眼识别研究的基础上,对自动化切种过程进行探索,提出了一种能同时考虑种薯质量和芽眼分布的自动化切种决策机制,把不同质量和芽眼分布的种薯固定输出为质量近似并带有芽眼的薯块。首先,提出了3种二自由度刀具模型,并建立了其图像模型。之后,借助图像处理技术实现切种的仿真,获得刀具旋转角度,指导刀具进行切块。通过实验与仿真,决策机制下获得的薯块质量满足播种要求,并带有芽眼,与人工切种没有显着差异。研究解决了自动化切种领域的关键问题,提出的刀具模型结构简单,易于实现与控制。(本文来源于《计算机仿真》期刊2018年08期）
吴迪[7]（2018）在《提高U10足球运动员有球进攻中视觉观察及决策能力的研究》一文中研究指出本文以北京市清华大学附属中学上地小学男子足球代表队的16名队员作为研究对象,进行共16周的实验。首先对受试者进行专项指标和机理指标的基础测试,之后进行阶段性的训练干预,记录并对比运动员在进行专项的有球进攻训练过程当中,对比前后的数据变化情况,从而发现这些专项的有球进攻训练对于提升青少年视觉观察及决策能力的作用。本文采取文献资料法、专家访谈法、实验法、录像观察法、数理统计法和问卷调查法等方法进行论证研究。综合而言,本文得出的主要结论包括以下几点:(1)不同有球进攻练习方法对提高辨别反应时有显着影响。(2)采用“多方向选择”的运球练习方法对提高U10足球运动员有球进攻中视觉观察及决策能力有显着影响。(3)采用“移动中多点接应”的传接球练习方法对提高U10足球运动员有球进攻中视觉观察及决策能力有显着影响。(4)采用“不同场景下多个小球门和射门前观察守门员位置”的射门练习方法对提高U10足球运动员有球进攻中视觉观察及决策能力有显着影响。(5)采用“在防守压力下多目标选择”的对抗练习方法对提高U10足球运动员有球进攻中视觉观察及决策能力有显着影响。(6)辨别反应时测试结果与障碍运球、运球接力、原地传接球、移动传接球、运球射门、传接球射门、对抗下运球测试结果具有显着相关;辨别反应时测试结果与对抗下传接球、对抗下射门测试结果没有显着相关。通过数据的证实,不同有球进攻练习方法对提高U10足球运动员有球进攻中视觉观察及决策能力有显着影响,为我国儿童及青少年的身心健康协同发展提供理论及实践依据,为青少年足球训练指导工作的教练员提供可借鉴和可操作性的实践指导依据。希望本文的研究能够为相关学者提供参考,不足之处还望指正。(本文来源于《北京体育大学》期刊2018-05-11）
徐梦婷[8]（2017）在《强叁支决策方法及其在计算机视觉中的应用》一文中研究指出叁支决策理论(Three Way Decision,TWD)是二支决策的拓展。在实际应用中,由于信息的不完整和不确定性,人们常常无法立即作出拒绝或接受的决策。所以,当信息不完整不精确时,使用叁支决策理论进行数据挖掘是十分有必要的。它将决策粗糙集中的正域解释为接受,将负域解释为拒绝,而将边界域解释为不承诺。根据最小决策风险原则,叁支决策给出了一种合理的损失函数条件,即执行一项好的决策的代价要低于延迟决策的代价,而延迟决策的代价低于采取拒绝的代价。以最小决策代价为目标,给出了经典的叁支决策的叁种决策规则。但是,叁支决策理论中的代价函数关系较弱,不能很好的解决类别不平衡问题和代价敏感问题。因此,如何根据实际问题的需要,选择合适的代价函数、是一项值得研究的问题。叁支决策理论可用于计算机视觉领域,处理包含不确定性信息和代价敏感的问题。如在图像分类问题中,往往会出现正类的样本较少而负类样本很多的不平衡问题;而在视频异常检测问题中,将视频中的异常行为分类为正常行为的代价要远远高于将正常行为分类为异常行为的代价。如何将叁支决策理论应用于计算机视觉中,解决类别不平衡问题和代价敏感问题是本文的关注点。本文的主要工作如下:●针对经典的叁支决策理论中代价函数之间关系较弱的问题,提出了强叁支决策理论(STWD)及其对偶形式(D-STWD),并给出了基于STWD的决策规则。接着定义了决策因子θ,并分析了它与边界域之间的关系、以及STWD和D-STWD对决策阈值α和β的影响。通过决策表的实例说明了STWD和经典的叁支决策理论相比,在特定分类问题中的优势。由于加强了代价函数之间的关系,当处理类别不平衡问题时,可以更加关注少数类的决策代价,使得分类器更关注少数类;当处理代价敏感问题时,更加关注决策代价较高的类。●基于STWD,提出了一种多分类方法STWD-Ensemble,并将其应用于图像分类问题中,主要解决多分类中的类别不平衡问题。并且在决策时充分利用叁支决策理论中的叁个域:正域、负域和边界域,尽可能的保留图像属于不同类的可能性,对不能立即作出判断的图像通过集成多个基分类器作出最终的决策。实验结果表明,与基于经典叁支决策GTWD的多分类算法以及贝叶斯网络、随机森林等经典机器学习算法相比,论文提出的基于STWD的集成学习多分类器算法(STWD-Ensemble)获得更高的准确率、召回率和F-Score值。●将提出的STWD应用于视频异常检测中,主要解决其代价敏感问题。首先用光流法提取底层高维特征,然后通过主题模型进行降维并提取其语义特征,然后用提出的STWD分类器进行分类。实验表明,STWD加强代价函数之间的关系后,比经典的叁支决策模型和其他机器学习模型如朴素贝叶斯、随机森林等有更大的优势,特别是在异常行为的召回率和F-Score中有更明显的提升。(本文来源于《南京大学》期刊2017-05-23）
曾建英,谭文辉[9]（2017）在《运动视觉训练对提高篮球运动员运动决策能力的实验研究》一文中研究指出从本文实验结果中我们可以看出,实验组在经过了运动视觉训练方法后,视觉搜索能力、视觉转移能力都比对照组要强,所以在传球的准确性及时性上也比对照组要好。(本文来源于《智富时代》期刊2017年02期）
彭业勤[10]（2016）在《服装店铺内的视觉营销影响消费者购买决策》一文中研究指出视觉营销是现代服装企业营销战略中的重要组成部分,是企业服装产品不可或缺的营销手段。优秀的视觉营销策略可以提高产品的可购买性,激发消费者的购买欲望,促进产品的销售。本文就服装店铺内的视觉营销对于消费者的购买决策影响作以浅析。(本文来源于《山东工业技术》期刊2016年22期）
视觉决策论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
面团的发酵过程受到面粉种类、温度、加水量、酵母量等诸多因素的干扰,通常须人工经验掌控,耗时耗力,难以掌控。采用机器视觉技术,搭建了图像采集试验台架,抓取了面团发酵过程的图像,提取了面团图像的5个特征,确定了面团发酵的时域过程:充满区-上涨区-停滞区,使用决策树算法对数据集进行了筛选和训练,获得了用户友好、逻辑清晰的面团发酵过程可视化树。十折交叉验证结果表明,基于决策树算法的面团发酵过程分类树的精度达到了98%以上,准确地掌控了发酵时间。研究成果为面包机等烘焙设备的智能化发展提供了技术支持。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
视觉决策论文参考文献
[1].李泰安,席诗棋,张禹,李杰.篮球运动中决策任务对视觉追踪的影响[C].第十一届全国体育科学大会论文摘要汇编.2019
[2].孙美艳,刘峻,练毅.基于机器视觉和决策树算法的智能面包机面团发酵过程识别研究[J].包装与食品机械.2019
[3].马愿.码隆科技CEO黄鼎隆：打造全球领先的视觉决策引擎[N].深圳特区报.2019
[4].后士浩.面向嵌入式换道决策辅助系统的视觉车辆检测和测距算法研究[D].江苏大学.2019
[5].刘恩泽,吴文福.基于机器视觉的农作物表面多特征决策融合病变判断算法[J].吉林大学学报(工学版).2018
[6].田海韬,赵军.一种基于机器视觉的种薯自动化切种决策机制[J].计算机仿真.2018
[7].吴迪.提高U10足球运动员有球进攻中视觉观察及决策能力的研究[D].北京体育大学.2018
[8].徐梦婷.强叁支决策方法及其在计算机视觉中的应用[D].南京大学.2017
[9].曾建英,谭文辉.运动视觉训练对提高篮球运动员运动决策能力的实验研究[J].智富时代.2017
[10].彭业勤.服装店铺内的视觉营销影响消费者购买决策[J].山东工业技术.2016