搜索资源列表
ImageProTeXiao
- 能够实现单目标图像的边界跟踪，图像为位图文件（.bmp)文件，并把边界跟踪的动态效果展示了出来。
ObjectExtraction
- 动态场景中运动目标检测提取与跟踪 对新手很有用
2008721_
- vfp9:狐友bapi经过2天昼夜奋战终于初步搞定视频捕捉.通过相邻两副图象的差分分割出运动目标,然后使用CAMSHIFT算法跟踪.经过测试,可以很好的适应不同环境,基本不受光线变化的影响.跟踪稳定,实现了动态跟踪的目标.
CRM系统
- 系统功能： 1、 销售管理： 包括 6 部分创建资源库、原始资料收集、客户线索开发、客户跟踪、商机销售、订单管理。 1）创建资源库： 从网络上获得资源库，作为原始客户资料收集的来源； 2）原始资料收集 ：收集到大量的目标原始客户资料以备进行潜在客户的开发； 3）客户线索开发 ：集中对前面收集到的大量陌生客户进行电话拜访，提供各种高成效的辅助工具提高潜在客户 开发的成功率； 4）客户跟踪回访 ：将心理学上提出的人类记忆储能曲线形成客户跟踪曲线，以自动提醒的方式帮助销售人员把握
扩展Kalman滤波(UKF)算法的Matlab程序
- 扩展Kalman滤波器算法的例程，可以用于对非线性系统的目标状态进行动态估计。例如曲线运动目标的轨迹跟踪。
matlab_ukf_utilities
- 卡尔曼滤波的一个典型实例是从一组有限的，对物体位置的，包含噪声的观察序列预测出物体的坐标位置及速度. 在很多工程应用(雷达, 计算机视觉)中都可以找到它的身影. 同时，卡尔曼滤波也是控制理论以及控制系统工程中的一个重要话题. 比如,在雷达中,人们感兴趣的是跟踪目标,但目标的位置,速度,加速度的测量值往往在任何时候都有噪声.卡尔曼滤波利用目标的动态信息,设法去掉噪声的影响,得到一个关于目标位置的好的估计。 -kalman ukf matlab
chafen
- 运动检测的目的是从序列图像中将变化区域提取出来。运动区域的有效分割对于目标分 类、跟踪和行为理解等后期处理非常重要，因为后期处理过程仅仅考虑图像中对应于运动区 域的像素。然而，由于背景图像的动态变化，如天气、光照、影子及混乱干扰等的影响，使 得运动检测成为一项相当困难的工作。-The purpose of motion detection from image sequence changes in the region will be extracted. Sports region segm
detect-tract
- 此文章有对动态图像序列的目标检测和跟踪的详细介绍，希望对各位有所帮助-This article is for dynamic image sequences of the target detection and tracking of the detailed descr iption you want to be helpful
OFDM
- 该模型实现了一个通用的OFDM TX和RX，这是不依赖于任何特定的行业标准。该模型的目标是开发和研究不断（不是“突发”）载波同步和定时跟踪方案。该技术纳入然后可以扩展和修改，以标准的具体通讯套件。该模型采用了“收购”技术，它利用了循环前缀相关属性，以赶在试图完成罚款跟踪算法一帧的边界粗略的估计。该模型实现了一个16点64循环前缀的OFDM载波波形。在OFDM符号有16个飞行员，3后卫音（0，带边幅），并使用45 QAM的剩余数据流4。 这包括最新型的衰落信道，误码率计算，并
Background_modeling_of_dynamic_scenes_based_on_tar
- 基于背景建模的动态场景目标检测,介绍了背景建模的步骤和重要的方法，然后介绍了根据背景差分法，来提取运动目标，从而进行跟踪-Background modeling of dynamic scenes based on target detection, background modeling described the steps and important way, then introduced under the background difference method to extract
genzong
- 实现运动目标的动态跟踪，识别运动物体，进行预测跟踪-Dynamic tracking moving objects, identifying moving objects, tracking forecast
Small-and-weak-target-detection
- 针对基于可见光视频图像处理的水上弱小目标检测中存在的问题， 综述目前该领域的国内外研究进展， 从动态背景建模 前景目标检测和跟踪等方面分析各种方法 算法的优势和不足， 指出目前需要解决的问题， 并展望该领域的研究前景-In view of the problems existing in small and weak target detection on the sea surface based on visible light video image processing，the re
autonomous-vehicles-target-tracking
- 基于视觉的自主车为目标的数据融合跟踪使用多个相互作用的动态模型-Vision based data fusion for autonomous vehicles target tracking using interacting multiple dynamic models
kalman
- 本算法通过卡尔曼滤波，实现目标的动态跟踪，效果较好，算法稳定。-The algorithm by Kalman filtering, dynamic tracking goals, better stability algorithm.
fast-human-tracking-
- 为实现红外图像序列中人体轮廓的精确跟踪, 提出了一种基于快速水平集的新算法. 首先, 在目标 区域及其邻近背景区域带上, 而不是在整个图像平面上, 采用模式分类中的最近邻决策思想来构建快速水 平集算法的速度函数 然后, 采用基于动态邻近区域的快速水平集来演化目标边界曲线以实现目标的轮廓 跟踪. 实验结果表明, 该算法能适应目标尺度的变化、目标的分裂或合并, 并获得人体的精确轮廓.-Fast contour tracking algorithm for human body in
MeanShift-algorithm-
- 提出了一种基于粒子Mean Shift 迁移过程的红外人体跟踪方法. 算法通过采样粒子迁移和聚类动态建立 目标的状态模型和量测模型. 在被跟踪区域随机布撒粒子, 以各粒子对应像素的亮度作为特征值进行Mean Shift 收敛性分析, 使用收敛后的粒子集表达目标的当前状态 以状态粒子的坐标位置为特征值对其进行Mean Shift 聚 类, 作为对目标的量测. 连续跟踪时, 下一帧的采样粒子基于上一帧的量测结果产生. 与传统的基于序贯重要性采 样的粒子滤波方法相比, 算法不需要目标的
test2
- 检测区域红色方框像素并提取中心点，并可以动态跟踪目标达到大约15帧秒的处理速度。-The red square pixel of the detection area and extract the center point, and can dynamically track the target to achieve the processing speed of about 15 seconds.
3
- 由于载体对象的高动态特点，其上装载的GNSS 接收机在捕获信号和跟踪定位上面临很大的挑战，因此致使 GNSS/INS 组合系统的定位效果受到严重影响。本论文以 MEMS IMU/GNSS 超紧组合为研究目标，并以 MEMS IMU 环路辅助的GNSS/INS 紧组合技术为研究重点，深入研究了 MEMS IMU 辅助的 GNSS 信号捕获、MEMS IMU 辅助的 GNSS 信号跟踪、MEMS IMU 辅助的 GNSS/INS 紧组合导航定位算法和基于矢量跟踪结构的 GNSS/INS 超紧组
OpenCV-VIDEO-DETCTION
- 计算机视觉是研究用计算机模拟生物外显或宏观视觉功能的科学和技术。作 为计算机视觉研究的一个分支—运动目标的检测与跟踪，就是对视场内的运动目 标，如人或车辆等，进行实时的观测，并在此基础上对被观测对象进行分类，然 后分析它们的行为。近年来，计算机视觉的研究重点已经从对静态图像的研究过 渡到对动态图像序列的研究上面，这方面的典型应用包括自动化的视频监控系 统、视频MPEG编解码技术、人机交互的感知接口、军事上的制导、雷达视频 图像中的
kalmanPtracking
- 卡尔曼滤波+图形图像处理，跟踪识别，完成对目标区域的动态跟踪-Kalman filter+ graphics, image processing, tracking, recognition, dynamic tracking of the target area