搜索资源列表
nonparameter
- 这是一个基于非参数模型的背景减运动目标分割算法的VC++程序，自己编写的，上传与大家分享。-This is a non - parametric model based on the background by moving object segmentation algorithm VC procedures, the preparation of their own. Upload share with you.
ESegment
- 程序功能为将bmp彩色图片中的背景去除，留下图片的主要内容。该程序采用graph-based的图像分割算法，分割效果良好。 在命令行下通过传递参数运行：ESegment sigma k min input output 其中：ESegment为编译得到的程序名； sigma为平滑系数，一般取0.5～2之间的值； k一般取图片长、宽（像素）之间的值； min表示分割出的最小块的大小，取正整数即可 input为输入的bmp图片名 output为输出的bmp图片名-proc
paper
- 智能交通监视系统中基于边缘的运动目标提取算法 本文的算法是基于C++和OPEN CV实现的，要运行此程序首先要安装这两个软件 由于本文在采集图像时用到的视频图像较大 ，要100多兆，所以演示程序采用另一个视频，以观其效果 本程序中采用视频序列的前四十帧的奇数帧提取出背景边缘，用参数backframes来控制，backframes/2 即是采用的帧数。 cedge_thresh1和cedge_thresh2来控制做背景检测是用到的CANNY算子的两个阈值。
bg_subt_code
- Nonparametric Background subtraction classes非参数视频背景建模的一个类,该方法是目前背景建模中最好的方法之一-Nonparametric Background subtraction classes video background of non-parametric modeling of a class that the method is modeling in the present context, one of the best way
largestRectangleArea
- 求一个图像的最大内接矩形面积。 步骤： 1.相机标定。首先根据物像关系式求出其中的参数。注意参数求出后要进行参数校验。 2.从背景中分离出目标 3.边缘检测 4.目标形状参数计算。-For an image of the largest inscribed rectangle area. Steps: 1. Camera calibration. First of all object-image relationship in accordance with the par
OptimumThrsholding
- 编写实现最优阈值方法。假设目标和背景的分布为高斯分布。程序的输入参数根据公式要求而定。将得到的值作为程序输入的参数，对图像进行分割。-Preparation methods to achieve the optimal threshold. The assumption that the distribution of the target and background for the Gaussian distribution. Procedures in accordance with th
walkstraight
- 利用K均值聚类的方法实现人体的检测，混合高斯模型建立背景并实时更新-The use of K-means clustering method to achieve the human body detection, Gaussian mixture model to establish the background and real-time updates
backgroud.cpp
- 本程序 尝试打开本电脑上的摄像头作为视频输入设备，或者将命令行的输入参数作为文件名来打开的视频文件。不管是哪一种方法，最后都是不断的循环处理一帧一帧地处理，涉及到的图像处理有 背景擦除，平滑滤波，二值化等。-The program tries to open the computer input device as a video camera, or command line input parameters as the file name to open the video file. N
NavelOrange-Grading-System
- 运用计算机视觉和模式识别技术,研究了基于计算机视觉的脐橙分级系统,首先对获 取的图像分割出背景、脐橙本体和表面缺陷,再根据脐橙的分级标准,提取出果实横径、表面缺陷的特征参数,采用径向基神经网络对脐橙样本进行了等级识别,实现脐橙的自动检测与分级。-According to the characteristics and requests of navel orange, this study uses computer vision and pattern recognition tech
rtools
- 几种基本的CFAR检测方法的比较，各种杂波背景分布的参数估计方法-Comparison of basic types of CFAR detection method, a variety of clutter distribution parameter estimation methods, etc.
track
- （doc文件）本程序 尝试打开本电脑上的摄像头作为视频输入设备，或者将命令行的输入参数作为文件名来打开的视频文件。不管是哪一种方法，最后都是不断的循环处理一帧一帧地处理，涉及到的图像处理有 背景擦除，平滑滤波，二值化等-The program tries to open the camera on the computer as a video input device, or command line input parameters as the file name to open the
hsv
- HSV 颜色模型 这个模型中颜色的参数分别是:色彩(H),纯度(S),明度(V)。本程序利用hsv模型提取图像中的感兴趣模型，并将背景区域抹去。-The colors of this model of the HSV color model parameters are: color (H), the purity of (S) and brightness (V). This procedure using the HSV model extraction model of interest
5
- 了适应跟踪过程中目标光照条件的变化，并对目标特征进行在线更新，提出一种将局部二元模式(LBP) 特征与图像灰度信息相融合，同时结合增量线性判别分析对目标进行跟踪的算法．跟踪开始前，为了获得比较准确的目标描述，使用混合高斯模型和期望最大化算法对目标进行分割；跟踪过程中，通过蒙特卡罗方法对目标区域和背景区域进行采样，并更新特征空间参数．得到目标和背景的最优分类面；最后使用粒子滤波器结合最优分类面对目标状态进行预测．通过光照变化的仿真视频和自然场景视频的跟踪实验，验证了文中算法的有效性．-Trac
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
background-model4
- 提出了一种基于模型切换的背景建模方法(M SBM ).该方法以嫡图像为纽带, 实现了不同精细程度的背景模型在空间上的自适应选取和在时间上的自适应切换.对于亮度分布复杂度高的背景区域采用精细的模型以保证运动目标检测的精度,反之采用简单的模型以降低计算量 .通过模型结构自适应结合参数自适应, 很好地兼顾了检测精度和计算代价.墓于高斯混合模型和时间平均模型的双模型切换式运动目标检测算法被用于实验研究, 结果表明这种算法的检测效果和单独采用高斯混合模型的检测效果相当, 而计算速度却比后者提高很多-P
m13
- 针对户外视频监控存在光照变化这一问题, 提出一个用于准确完成目标检测的实时背景建模框架. 考虑到目标检测 的准确性要求, 建立基于帧间像素亮度差统计直方图的像素亮度扰动阈值. 在此基础上, 针对背景建模的实时性要求, 提出一种基于自回归背景模型的参数快速更新方法. 鉴于不同光照变化的适应性要求, 定义对光照变化不敏感的背景纹理模型. 上述模型统称为自回归{ 纹理(Auto regression and texture, ART) 模型, 该模型适应于户外光照变化. 基于该模型构建像素亮度和纹
tiqubeijing
- 对叶片进行预处理和提取部分特征：1.均值去噪 2.k均值聚类提取复杂背景下的叶子图片 3.填充孔洞 4.去叶柄 5.提取轮廓 6计算纵横轴比、面积凹凸比、周长凹凸比、球形性、圆形性、偏心率、形状参数和矩形度等特征值并进行画图。- Pretreatment of leaves and extract some of the characteristics: a mean denoising 2.k means clustering leaf extract complex backgro
renlianshibie
- 人脸识别正确率97.18 ,1秒内完成。 能够在复杂的光线和背景下依然正确工作，并支持多张人脸在一个画面上的检测，识别，验证。戴眼镜和黑色人种也能检测和识别。能从多角度检测到人脸。 并带人鼻，嘴，眼镜,人脸左右边界的定位功能。 本软件仅限用于可见光(如室内光,日光灯,节能灯,白炽灯),并要求用户主动配合采模板,主动配合识别.最好有USB摄像头 -阳光人脸识别开发包(SDK)兼容性信息 1.人脸识别SDK平台：Windows，源码虽用VC编写，但未用GDI及第三方图库,故可易
hunhe
- 采用多个高斯分布的方式来描述背景像素点的特征，在线地更新参数和权重，实现运动检测和前景提取的同步进行，即采用混合高斯背景算法进行建模，以降低动态背景的干扰。(The characteristics of the background pixel are described by several Gaussian distributions, and the parameters and weights are updated online. Synchronization of motion d