搜索资源列表
GMM_OpenCV
- 用opencv编写的GMM，用于进行前景检测，人物探测，目标跟踪-Gaussian Mixture Model for human tracking
MixGaussExtractForeground
- 利用混合高斯进行前景检测，比较好用，初学者可以下载-GMM foreground detection
GMM
- 混合高斯背景建模，可以把连续帧图片前景与背景区分开来-Mixed gaussian background modeling, can continuous frame picture foreground and background to distinguish
sfikasLibrary
- 一个利用GMM，SVGMM对图像进行分割的matlab程序，采用的是blobworld采集特征的方法。初始化也有备选多种方法-A use of the GMM, SVGMM image segmentation matlab program, the is blobworld collection features. Initialization also have options for a variety of methods
GMM
- 这个是使用Opencv来做模式识别的一个程序，调用opencv里面的高斯混合模型-This is to use Opencv to do a pattern recognition program, call opencv inside the Gaussian mixture model
GrabCut
- 实施GRABCUT源代码 由贾斯汀塔尔博特jtalbot@stanford.edu 。 放置在公共领域， 2010年 代码最后更新：2006年 弗拉基米尔·洛夫（ vnk@cs.cornell.edu ） ， 2001年使用GRAPHCUT实施。 要求： OpenGL的， GLUT和OpenCV的库来编译和运行。 用法： grabcut.exe <ppm文件名 使用鼠标拖动矩形围绕前景部分显示的图像。 然后使用下面的按键
GrabCut
- GrabCut实现源代码 贾斯廷·塔尔博特,jtalbot@stanford.edu 放置在公共领域,2010 代码最后更新,2006 使用Graphcut实现弗拉基米尔• 柯尔莫哥洛夫(vnk@cs.cornell.edu),2001。 要求:OpenGL,供过于求,OpenCV库来编译和运行。 用法:grabcut。 exe < ppm文件名> 使用鼠标拖动矩形在前台部分的显示图像。 然后使用以下键 1 :显示图像 “2”:显示
person-detection
- 采用混合高斯模型和codebook分别进行背景建模，实现行人检测-person detection, GMM and codebook
object-detect
- 运动目标检测，改改pro文件中的opencv路径可以运行，，主要是G-Moving target detection, changed pro file opencv path can run mainly GMM
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
GMM
- 高斯混合模型的经典论文以及C语言实现，项目中使用过-Classic papers on Gaussian mixture model and the C language, the project used
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
clustering
- 一种使用GMM（Gaussian Mixture Model）聚类方法,亲测，好使-A clustering method using GMM (Gaussian Mixture Model).
ImageMatting
- 图像处理ImageMatting的实现。主要思路是： 1）手工交互的给出一个前景区域的包围盒。 2）根据当前的前景和背景分割结果，分别估计前景和背景的GMM模型 3）用GraphCut算法进行分割 对上述2），3）两步进行迭代，得到比较好的分割结果 （分割-->估计前景背景-->分割） 4）matting-Image processing ImageMatting achieved. The main idea is: 1) gi
Digital-Identification2
- 基于人工神经网络和GMM的数字识别 与简单的数字识别存在算法上的不同-Different artificial neural networks and digital identification GMM with simple digital identification algorithms based on the presence of
GMMP-and-tracking
- 活动目标检测源码,用混合高斯算法编写，适用于复杂场景视频监控-alive target detection，used in GMM algorithm
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
classicalmog
- 根据GMM经典论文Adaptive background mixture models for real-time tracking写的matlab源码，利用GMM背景建模并提取车辆，完全忠实于原论文-According GMM classic paper Adaptive background mixture models for real-time tracking matlab source code written using GMM background modeling and ex
matrixmog
- GMM高斯混合模型法提取前景，利用中值法提取初始背景，用矩阵代替循环，提高实时性。-GMM Gaussian mixture model extraction prospects, initial background extraction using median method, using a matrix instead of circulation, improve real-time.
background-update-opencv
- 基于混合高斯的背景更新,并保存所获得的前景、背景图片 ，开发环境为Opencv2.3+vs2010-background update by GMM