搜索资源列表
extract-static-background-scene
- 本源码包为VC+OpenCV提取静态场景的背景-The source code package for VC+OpenCV extract static background scene
opencv_cvcamshift_cvmeanshift
- CAMSHIFT进行多目标的跟踪，而且根据多个场景进行改进的算法。-CAMSHIFT multi-target tracking, and improved algorithm based on multiple scenarios.
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
of-Apple-detection-and-recognition
- 基于机器视觉的苹果检测与识别关键技术研究 本文以自然场景下的苹果果实为研究对象，对果实采 摘机器人采摘过程中苹果的检测与识别进行了研究，在机器视觉技术上提出一种新的圆 形检测算法，有效的实现了苹果特征提取。-Apple detection based on machine vision and identification of key technologies Taking apple fruit under natural scene for the study of the
background-modeling
- 随着智能监控技术的快速发展, 基于数字视频的智能视频监控系统代替原来的人力监控在越来越多的公共场所获得了应用。然而, 在实际的户外监控环境下, 由于光线变化以及初始背景样本的多样性, 难以建立良好的背景样本。针对上述问题, 提出了一种自适应的背景建模方法。其中自适应指两个方面: 第一 背景的自动更新 第二, 不需要使用背景帧样本作为模型训练的输人。在此基础上, 建立了针对户外交通环境的智能车辆监控系统。实验结果表明, 上述方法在动态场景的车辆检测中取得了较好的效果。-With the rapid
background-model6
- 针对子块级背景建模方法无法保证所提取前景形状的精确性及像素级背景建模方法无法有效处理非平稳场景的问题，提出了一种背景建模分层模型，首先采用文中子块级建模算法得到较为粗糙的背景区域和前景区域，然后利用混合高斯模型对特定图像区域执行像素级的前景提纯或背景模型更新操作，2 种不同层次的算法通过非 对称前向反馈机制进行级联。实验结果表明，所提分层模型在能够有效处理非平稳场景的同时保证了所提取前景 形状的精确性，且对光照突变不敏感，建模效果优于级联算法中任一独立算法，而处理时间小于2 种独立算法处
background-model7
- 针对智能视频监控中运动目标的检测，提出了一种基于字典学习的背景建模方法．结合时空域信息对视频中的每个位置进行字典学习来描述场景信息．利用背景频繁出现的特性，将字典中的词划分成描述背景的词和描述前景的词．用字典表达对应位置的结构，并根据字典中贡献最大词的属性对当前位置进行背景判断．根据判断的结果对字典进行实时更新．在公共的视频数据库上与传统的背景建模方法相比较，所提方法可以较好地检测出前景目标．-Intelligent video surveillance to detect moving tar
background-model8
- ：基于背景建模的运动目标分割是智能视频监控的重要任务，模型的质量直接影响到检测、跟踪、识别等运动分析的准确性．当前的建模方法多是单层的，忽略了像素特征在时域和空域上的联系，模型描述不够准确，对于背景扰动、全局光照变化及复杂的室内外场景等多种情况鲁棒性不强，导致了分割中出现空洞和噪声点．针对这些问题提出了一种双层建模的方法，在第一层提取时域上的像素亮度特征采用码本建模，第二层提取邻域纹理特征采用基于中心对称的局部二值模式建模．实验证明该方法在用于运动分割时，比常用方法具有更好的准确性和鲁棒性．-M
particleFilterTrackTest
- 粒子滤波目标跟踪算法。可以跟踪复杂场景下的序列图像目标。-Particle filter target tracking algorithm. You can track the sequence of image target complex scenarios.
RFID-location
- 这是一个有关场景定位的算法，是从一个官网下载的，希望对大家有用。-This is a scene positioning algorithm is downloaded from an official website, we want to be useful.
Key_Technology_for_Image_Mosaics-
- 提出一种基于特征点的运动场景图像拼接算法。基于相似变换消除选取在运动物体上的特征点，并使用RANSAC算法进行外点的剔除。在融合阶段，根据齐次变换矩阵求得对2幅图像的差异图像，并执行区域增长算法。从而分割出运动区域。使用一种分段映射算法生成全景图像。实验证明了算法的有效性。-A feature-based algorithm for image mosaics of 8c宅Iles with moving objects is pI．oposcd．The algorithm eliminates
2
- 在复杂场景下多姿态行人检测与识别匹配方法研究-Pose pedestrian detection and identification matching research in complex scenes
infrared-target-signal-simulation
- 利用 计算机强大的图像生成功能，快速、便捷地模拟生成实际战场环境下可能经历的 各种红外场景，逼真地反映探测制导系统的红外辐射分布-Using powerful computer image generation, quickly and easily simulate actual battlefield environment generated may experience a variety of infrared scene vividly reflect the guidanc
user
- 此示例演示如何使用vsTraversalUser写一个用户定义的场景图的遍历的VSG。它定义了类MyApp，这是从vsApp而得。样品装载镇数据库，并启动一个遍历计数所有在场景图中的不同节点类型。-Traversal VSG This example demonstrates how to use vsTraversalUser write a user-defined scene graph. It defines the class MyApp, which is derived from
geometry
- 此示例扩展VSG通过添加vsGeometryBase派生一个新的节点类型。新的节点类型只是作为特殊场景图节点，这是专门设计通过两个所谓的新方法，setSphere和getSphere与vrSphere几何工作。此外，该节点实现其自己的自定义扑杀记录，它允许一个vrSphere的纹理坐标可以通过一个纹理矩阵具有两个调用，setTextureScalingFactor和getTextureScalingFactor其他方法缩放-This sample extends VSG by adding a
Collision
- 用VC编写的爆炸场景，很逼真。可以让你看到真实的爆炸效果哦。-VC prepared explosion scenes, very realistic. Allows you to see the real effects of the explosion, oh.
ThisGMM1
- 图像背景动态建模，采用高斯滤波，比差分法效果好，适合运动场景的前景、背景分离-Image background dynamic modeling, using a Gaussian filter, better than the difference method results, prospects for sports scene, background separation
Recovery-of-single-natural
- 单幅自然场景深度恢复。这是一篇图像处理的好论文-Recovery of single natural scene depth. This is a good paper image processing
fgjghjghjghgg
- 对卧室这一类的多张场景图像进行归一化处理，这也是图像预处理的一种-This type of multiple bedroom scene image normalization, which is an image pre-processing
retrieve
- 遗留物检测程序，物体被主人带入场景并遗弃超过一定时间后系统将自动表示出物体-Remnants of testing procedures, the owner of the object is brought into the scene and abandoned over a certain time after the system automatically shows the object