jpg合併成一張的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

適用於陪伴型機器人與被陪伴者間互動之視覺式人體動作辨識系統

為了解決jpg合併成一張的問題，作者曾雯琳 這樣論述：

近年家用陪伴型機器人銷售量逐漸增加，而且價格也有逐漸降低的趨勢，愈來愈多家庭能夠負擔家用陪伴型機器人的費用。而家用陪伴型機器人主要功能為協助家人或照護者陪伴與照護幼童及年長者生活。家用陪伴型機器人可以從了解幼童及年長者的行為與狀態，做出適當的相對之回應，以達到互動、陪伴與照護之功能。本研究開發一套適用於陪伴型機器人與被陪伴者間互動之視覺式人體動作辨識系統，能夠自動辨識被陪伴者之動作，達到陪伴與照護之效果。本系統開始時將讀入連續深度影像及連續彩色影像，接著判斷是否有人物在影像中，再利用深度影像建立depth motion map及彩色影像建立color motion map。將depth mo

tion map與color motion map分別得到的影像合併成一張影像，將此影像擷取方向梯度直方圖(HOG)作為人體動作辨識系統之特徵。最後將這些特徵輸入SVM進行分類，得到人體動作辨識之結果。本研究的人體動作辨識共分8種動作，分別為揮右手、揮左手、握右手、握左手、擁抱、鞠躬、走路及拳擊。Database1實驗資料由5位實驗者拍攝影片，每位實驗者分別拍攝8個動作，每個動作各執行20次，共有800部影片，其中以640部影片做為訓練集，另以160部影片做為測試集。由實驗結果可得知，本系統之人體動作辨識正確率為88.7%。Database2實驗資料由1位實驗者拍攝影片，其中實驗者為12歲之孩

童，共有320部影片，皆作為測試集，實驗結果得知此人體動作辨識正確率為74.37%。Database3實驗資料為機器人移動時拍攝人體動作，由4位實驗者拍攝影片，共有320部影片，其中以160部影片作為訓練集，另以160部影片作為測試集，實驗結果得知人體動作辨識正確率為51.25%。此可知本系統的辨識結果具有一定可信度。

應用於VP8、H.264/AVC 及 HEVC 視訊標準區塊消除濾波器之硬體共享架構設計與實現

為了解決jpg合併成一張的問題，作者張正翰 這樣論述：

本論文提出一個適用於 VP8、H.264/AVC 及 HEVC 的多重視訊標準之硬體共享區塊消除濾波器設計。首先，我們重新整理原始視訊標準中區塊消除濾波器之相同點並提出一套適用於 VP8、H.264/AVC 及 HEVC 之硬體架構 RO-DBK 以達到硬體共享進而減少硬體面積。為了更進一步降低運算複雜度，我們犧牲少許影像畫質，另外提出了一高度硬體共享之架構設計 LC-DBK 以獲得最大硬體共享。同時，我們為了節省區塊效應消除濾波器運算中所使用的記憶體空間，我們提出與 Motion Compensation 之記憶體共享架構，利用重新安排區塊邊界的濾波器運算順序，進而有效配置記憶體存取並有效

達記憶體共享。我們也整合了H.264/AVC 及 HEVC 的邊緣強度決策與參數決定，邊緣強度決策的部分是使用H.264/AVC 的邊緣強度運算加上一些修改後使之可達到與 HEVC 共用。參數合併是則是將原本必須使用的 5 個 Table 合併成一個 Table 加上少量的運算得出相對應的參數值，這使得 H.264/AVC 與 HEVC 有更高度的整合。實驗結果顯示，我們提出之 RO-DBK 硬體共享架構比個別實現三組視訊標準節省了 55%之位移器、74%之加法器，以及 100%之乘法器。另外，所提出之LC-DBK 節省了 71%之位移器、81%之加法器以及 100%之乘法器。整體而言分別約節

省了 77%與 83%的硬體。於 VP8 解碼器中，所提出之 LC-DBK 其 PSNR平均降低最多 2.3%；Strong Filter 的合併也節省了 28.5%之位移器、44.1%之加法器，節省了 44.3%的硬體；而對於 BS 合併而言，PSNR 則完全相同。最後，我們採用 TSMC 90nm cell library 的製程進行電路實作，結果顯示本架構操作在 130 MHz 的頻率下可完成 Full HD 1080P@30fps 的區塊消除濾波器的運算。Gate Count 為 32.1K。由結果顯示，本電路，可適用於 VP8、H.264/AVC及 HEVC 視訊標準之編碼器與解碼

器。