搜索资源列表
gaosihunhemoxing
- opencv 基于高斯混合模型的运动目标检测算法-opencv Gaussian mixture model based moving object detection algorithm
gaosi
- 针对现有运动目标检测算法不能很好去除阴影的问题, 在利用混合高斯模型进行目标检测的基础上, 提 出了一种有效的阴影抑制算法。该算法充分考虑了系统噪声和背景模型误差, 并用高斯分布的方差信息估计背景模 型误差, 然后用误差估计值来修正阴影模型, 进而实现阴影抑制。实验结果表明 该阴影抑制算法不受光线强弱、 图像质量、目标大小的限制, 具有较强的适应性, 可以更有效的抑制阴影对运动目标检测的影响。-algorithm h
GMM
- 基于混合高斯背景建模的目标运动意图分析,通过混合高斯背景建模进行前景提取，自己写高斯模型，并非通过OPENCV函数库-motion detection based on GMM method
GMm
- 混合高斯模型在运动检测中的应用，检测视频中的运动物体，做出其背景图像和前景图像-Gaussian mixture model in motion detection to detect moving objects in the video to make the background image and the foreground image
Lesson02
- 三维模型的模拟构造，三棱锥的运动与旋转，OpenGL初学者的最好指路练习目标-Simulation of three-dimensional model constructed three pyramids movement and rotation, OpenGL beginners best practice objectives guiding
OpenCV-Gaussian-model-n
- OpenCV 基于混合高斯模型GMM的运动目标检测-OpenCV based on Gaussian mixture model GMM moving target detection
Bump
- vega prime仿真环境下的，人物模型的实时控制和碰撞检测，以大学的实验室为人物模型的运动场景-vega prime simulation environment, real-time control and collision detection of the character models, character models to the laboratory at the University sports scenes
gsqj
- 采用高斯混合模型用于运动背景建模，可以检测出前景-Gaussian mixture model for motion background modeling, can detect the foreground
crane
- 用OpenGL实现起重机模型，起重机可以运动，重物可以运动-Using OpenGL crane model crane can move, can move heavy objects
Motion
- 一个3D人体骨骼模型，可以用键盘控制运动。-A 3D model of the human skeleton, you can use the keyboard to control movement.
animation
- osg animation ，实现模型局部运动-osg animation, implementation model of local motion
myGMM
- 运用opencv进行运动目标检测，背景采用高斯混合模型进行更新。-The use of OpenCV moving target detection, background model is updated by Gauss mix.
gmm-cv
- OpenCV_基于混合高斯模型GMM的运动目标检测。内附监测监控视频，方便测试使用。-OpenCV_ GMM Gaussian mixture model based moving target detection. Included monitoring surveillance video, easy testing.
guassian
- 混合高斯背景模型，背景差法，检测运动目标，环境VC2008，Opencv，前景与背景分开显示-Gaussian mixture background model background subtraction method to detect moving targets
bilinear-matlab
- 根据全局运动估计参数，也就是模型参数，对于校正后图像的任一像素坐标（x ，y ） 都可以求得它在参考图像中的对应坐标(x,y)，此程序完成视频稳定系统中的运动补偿功能.-Global motion estimation parameters, the model parameters is, either the corrected image pixel coordinates (x ' , y' ) can be obtained which corresponds to
gaosi1
- opencv代码，高斯混合模型，运动物体检测，效果还可以，对于初学者挺有用-moving object by opencv
gmm
- 混合高斯模型使用K（基本为3到5个） 个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。通观整个高斯模型，他主要是有方差和均值两个参数决定，,对均值和方差的学习,采取不同的学习机制,将直接影响到模型的稳定性、精确性和收敛性。由于我们是对运动目标的背景提取建模，因此需要对高斯模型中方差和均值两个参数实时更新。为提高模型的学习能力,改进方法对均值和方差的更新采用不同的学习率 为提高在繁忙
Wiener-filtering
- 本文主要基于退化-恢复模型进行研究，首先对Lena图像加入了Gauss 噪声，并选用中值滤波方法恢复；随后基于运动模糊模型进行退化建模，分别采用几种维纳滤波方法对源图像进行还原。 doc文档中推导了维纳滤波过程，并用matlab实现了了多种维纳滤波器，代码都附在文中。-This article is mainly based on the degradation- the recovery model to study, first joined the Gauss Lena image n
GUASSIANS
- 运动目标检车背景建模，基于混合高斯模型，附有应用的图片-Moving target inspection car background modeling, Gaussian mixture model, with a picture of the application
background-model3
- 针对背景差法易受外界环境因素影响的缺点, 提出了一种基于改进K-均值聚类的背景建模方法。通过比较任意样本与该像素位置处的子类中心之间的距离, 对各个像素的观察值进行聚类, 并在聚类过程中逐步确定其类别数。一段时间的学习之后, 样本数最多的子类就构成了背景模型。仿真结果表明, 该算法即使在运动目标存在的情况下也能准确的提取出实际的 背景, 而且显著地降低了系统的存储量。-Aimed at the disadvantage that background subtraction was liab