高职高专：《短视频与直播营销》课程教学资源（电子教案）2.2-1 短视频内容策划

高职高专：《短视频与直播营销》课程教学资源（电子教案）2.1-1 短视频选题

高职高专：《短视频与直播营销》课程教学资源（电子教案）1.1 短视频的类型

高职高专：《短视频与直播营销》课程教学资源（电子教案）1.2 短视频的优势与特征

高职高专：《短视频与直播营销》课程教学资源（教学设计）03 短视频拍摄中固定镜头与运动镜头技巧

高职高专：《短视频与直播营销》课程教学资源（教学设计）02 短视频拍摄基础技巧

针对传统算法在抗光照变化影响、大位移光流和异质点滤除等方面的不足,从人类视觉认知机理出发,提出了一种基于机器学习和生物模型的运动自适应V1-MT (motion-adaptive V1-MT,MAV1MT)序列图像光流估计算法.首先,引入基于ROF模型的结构纹理分解(structure-texture decomposition,STD)技术,有效解决了光照和色彩变化的影响.其次,利用多V1细胞加权组合及非线性正则化模拟MT细胞模型,并结合岭回归训练学习得到运动自适应的权重,解决对目标的运动速度感知问题.最后,引入由粗到精的增强方法和图像金字塔局部运动估计采样,将V1-MT运动估计模型应用于实际大位移视频序列.理论分析和实验结果表明,新方法能更加拟合人眼视觉信息处理特性,对视频序列具有普适、有效、鲁棒的运动感知性能

近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪

本章以声卡为重点,介绍了声卡的功能原理、技术术语和安装方法。还简要介绍了 Modem、网卡、视频采集卡和I/0多功能卡的技术特点、工作原理和安装方法等。 10.1声效卡 10.2调制解调器 10.3网络适配器 10.4视频采集卡 10.5I/0多功能卡

1交互式出版概述 我们把最终用户具备了明显的交互操作的出版模 式称作交互出版。这里,“明显的”交互操作包 括用户成为网络出版系统中的一个角色,或者在 事务处理过程中成为一个不可或缺的信息流通环 节。 交互式网络出版的模式与应用包括搜索引擎、即 时消息服务、网络游戏、网络远程教育、网络远 程医疗、视频点播、网络视频会议、网上购物、 网上证券服务、网上金融服务以及网络多媒体打 印服务