搜索资源列表
salient_regions
- 图像处理中的区域检测，可以准确的分辨不用的图像区域。可以用在做图像分类等应用。里面有相关注释。-Area detection in the image processing, can accurately distinguish between the unused area of the image. Can be used in applications such as image classification. There are related Notes.
face_detection
- 本文应用SMQT和 SPLIT UP SNOW 分类器来完成对人脸的检测。-The purpose of this paper is threefold: firstly, the local Successive Mean Quantization Transform features are proposed for illumination and sensor insensitive operation in object recognition. Secondly, a s
tire_detect
- 利用分类器实现实时的疲劳检测 经本人测试 很好用 请放心下载-tire detect
GaitRecognition
- 里面包含了步态识别的整一套流程的代码实现，包括从视频流里面提取图片帧，背景建模，提取运动目标（运动检测），形态学处理（膨胀与腐蚀，连通性检测），归一化大小，步态能量图的构建，主成分分析（PCA）降维,线性判别分析（LDA）分类等等功能的代码实现。均通过测试。-Contains the gait recognition of the whole process of a set of code, including the extraction and picture frames from th
work
- 实现运动模糊图像的复原，可检测伪造图像，并且分类出伪造子块-Achieve motion-blurred image restoration, image forgery can be detected, and the classification of counterfeit sub-block
real-time-facedetection-and-tracking
- 本文运用haar特征分类，对人脸进行动态的检测和跟踪，经过试验对比可以发现效果很好，识别率较高-This paper uses haar feature classification, human face detection and tracking of dynamic, contrast can be found through the test with good results, the recognition rate is higher
pedestrian-detection
- 提供了一种基于HOG特征的智能行人检测(SVM分类器)-HOG-based pedestrian detection feature intelligent (SVM classifier)
llde_cmb
- 人脸检测一直是人们在研究的问题，流形学习用于人脸检测中的特征提取，用PCA与constructM进行降维，KNN分类器用于分类。取得非常好的效果。-Face detection has been the problem of people in the study, manifold learning for face detection feature extraction using PCA and constructM dimension reduction, KNN classifier
RandomForest-C-version
- 随机森林是机器学习领域中一种有效的组合学习模型。在目标检测识别算法中，随机森林被证实在分类中具有很好的性能和效果。提供随机森林源码以供学习参考。-Random Forests field of machine learning is an effective combination of learning model. Target detection and recognition algorithms, random forests was confirmed in the classifi
Hyperspectralterrain-classfic
- 高光谱图像的第五分类技术，对光谱分析并对比检测出地景的算法-Fifth hyperspectral image classification techniques, algorithms for spectral analysis and contrast detect landscapes
pic
- 用c#和emgucv实现了hough变换检测圆和最大类间方差和k均值聚类分割图像，k均值聚类的函数可填写分类数和迭代次数的阈值，而且是基于灰度的。（ps：函数都是自己实现的，但是读取图片信息用的是emgucv自带的函数）-With c# and emgucv achieved between hough transform circle detection and maximum variance and k-means clustering image segmentation, the fu
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
body-classifier
- 不错的行人检测与跟踪的算法，不错的行人分类器 赞一个-people detection
pupildetectOK
- 在VC6.0环境下，借助openCV函数库，对视频中的人脸进行检测，并实时跟踪，然后用Haar特征的分类器定位人脸，并检测瞳孔存在与否，提取关于眼睛的疲劳信息-In VC6.0 environment, with the aid of openCV function library, to detect human faces in video, and real-time tracking, positioning and use characteristics of Haar classif
m10
- 背景建模是实现运动目标检测与跟踪的关键技术之一。在实时视频监控系统中，对背景建模算法的运行时间及所提取出的背景图像的实时性有很高的要求，针对这一问题，提出了一种基于切比雪夫不等式的自适应阈值背景建模算法。算法利用切比雪夫不等式计算像素点色度变化的概率估计值，提出了一种自适应阈值分类方法，它将像素点快速分类为前景点、背景点及可疑点，再利用核密度估计方法对可疑点进行进一步分类，最后利用背景更新算法提取实时背景图像。实验结果证明，该算法能快速有效地区分特征明显的背景点与前景点，提高了背景图像提取的速
PcbDetect
- 基于图像分析的PCB缺陷检测算,采用Visual C++ 6.0进行编程，实现了精确定位、快速准确检测缺陷并标注缺陷及缺陷分类等功能. -Image analysis based PCB defect detection operator, using Visual C++ 6.0 programming, to achieve precise positioning, rapid and accurate detection of defects and marked defects an
edge-analysis-code
- 影像边缘检测，可用于检测影像的边缘信息，用于遥感解译与分类。-Image edge detection, can be used to detect image edge information for remote sensing interpretation and classification.
Local-Binary-Patterns
- 局部二进制模式，LBP，是已被用于纹理特征的一个 分类。在本文中，提出了一种基于使用这些功能的方法 检测缺陷图案的面料。在培训阶段，在第一个步骤LBP算子是 施加到无缺陷织物样品，逐个象素和参考的所有的行（列） 特征矢量的计算。那么这个图像被分为Windows和LBP算子是 应用这些窗口的每一行（列）。根据与参考比较 特征向量一个合适的阈值，无缺陷的窗户被发现。在检测阶段中，一个 测试图像被划分成的窗户，并使用阈值时，有缺陷的窗口可以 检测到。该方
OpenSURF
- 介绍一种图像特征表示，称为OPENSURF，图像中的opensurf特征可以用来进行后续的分类或检测任务-introduce a kind of image feature- opensurf, the opensurf feature in the image can be used in the task of classify and detection
libsvm
- 这个是一个SVM分类器，可以再行人检测时用来分类训练样本，再MATLAB中直接调用-This is an SVM classifier, when pedestrian detection can be used to classify the training sample, and then directly call MATLAB