搜索资源列表
video-partical
- 提出一种人体运动跟踪算法,从无关节标记的单目视频中获取人体运动1 利用一个带外观模板的人体关节 模型,通过学习得到的运动模型及基于外观模型的相似性计算,巧妙地利用粒子滤波的概率密度传播策略鲁棒地跟 踪普通单目视频中的人体运动1 当出现跟踪丢失时,能在后续序列中自动恢复正确跟踪,且能较好地处理遮挡和自 遮挡问题1 实验表明,该算法鲁棒性好,跟踪结果令人满意- In this paper , a novel approach is proposed for t racking marke
WM_generator
- 视频水印数据产生器，，利用伪随机序列调整有意义原始水印数据，从而产生具有随机性的，鲁棒性高的水印序列-Video watermark data generator, using a pseudo-random sequence to adjust the original watermark meaningful data, thereby generating a random, high robustness of the watermark sequence
sift
- sift的C++版，在sift上找出鲁棒性最强的几个特征点，然后以这个点为圆心，以自适应性的尺度为半径画圆，这个非常适合运用于数字水印领域，适用于抵抗数字水印的几何攻击-sift the C++ version, sift out on several features of the robustness of the strongest point, then this point as the center, the scale of self-adaptive radius circle,
facedetect
- VC6.0,OpenCV实现人脸特征检测 1.实时人脸检测，通过摄像头获取人脸视频流，从中检测头部和眼部位置。这部分鲁棒性较好，光照影响较小2. 在一定程度上能够进行人脸识别，但是识别率不高。 -VC6.0, OpenCV facial feature detection to achieve a real-time face detection, face to get the video stream through the camera, which detects the posit
GMM
- 针对摄像机固定下的复杂背景环境，对采集到的视频图像的图像数据用混合高斯背景建模方法实现前景/背景分割，实现运动目标检测和跟踪。在进行前景检测前，先对背景进行训练，对图像中每个背景采用一个混合高斯模型进行模拟，每个背景的混合高斯的个数可以自适应。然后在测试阶段，对新来的像素进行GMM匹配，如果该像素值能够匹配其中一个高斯，则认为是背景，否则认为是前景。由于整个过程GMM模型在不断更新学习中，所以对动态背景有一定的鲁棒性。最后通过对一个有树枝摇摆的动态背景进行前景检测，取得了较好的效果。-For c