搜索资源列表
CardRecognization
- 车牌识别系统 使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。
numberplate_C++Builder
- 车牌识别C++Builder代码，首先要把车牌图像灰度化，接着对图像进行中值滤波进行初步降噪，下一步进行Sobel纵向边缘检测，即增强车牌纵向边缘，边缘检测后进行二值化处理，此时车牌区域特征得到进一步加强，但同时又加强了背景中的部分噪声，所以再对其腐蚀，然后定位及截取车牌，最后对车牌进行二值化。 -LPR C Builder code, first and foremost, we should plates gray, Then the image median filtering for
reply_1_1007847
- 车牌定位使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一
zaizaikan
- 这是一个在复杂背景下，对目标圆孔的检测，但是它的背景相对比较特殊-This is a complex background, the right of the hole target detection, but its relatively unique background
detect_vc++_
- 使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不
MovementDetectionSystem
- 这是基于VC++的一个运动检测识别系统。改系统是为了实现对一系列图片中运动物体的跟踪而设计，通过一系列的图片的处理，提取出图片背景，识别出运动物体，进而对运动物体进行跟踪，得到物体运动的轨迹。
2dpcasvm
- 提出一种基于二维主分量分析和支持向量机的层叠人脸检测算法,用于复杂背景灰度图像的人脸检.
ObjectExtract
- 做是人行为检测的，第一步是从视频中跟踪人，然后去除背景。此程序是基于均值的背景减除（目标跟踪）。
车牌定位
- 车牌定位 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图
车牌定位
- 车牌定位使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本
单高斯目标检测
- 基于OPENCV的单高斯模型，通过摄像头获取视频帧，得到背景图片。
Recognition
- 摘 要:人脸是一个复杂的模式,在图像中自动地对其进行定位和分割是进行人脸识别的第一步。本文提出一种 运用肤色信息和模板匹配的人脸检测方法。该方法先进行肤色分割,然后对每一个人脸候选区域进行形状比例的 分析,最后进行模板匹配。实验结果表明,该方法对任意背景下,任意姿态及任意数目的人脸检测非常有效。 -Face Detection and Recognition
Video-Frame
- 视频帧分析源码，用于车辆检测及车牌识别，采用背景差分法-Analysis of source video frame for vehicle license plate detection and identification, using the background difference method
KDE_subtraction
- 采用非参数背景建模，MFC，对运动目标进行检测，有很高的参考价值-Using non-parametric background modeling, MFC, the moving target detection, a high reference value
7788
- 大名鼎鼎的方帅的博士学位论文---目前,计算机智能视频监控在理论和应用上都面临着很多难题,国内外大批学者投身于该领域的研究和探索,并且取得了大量的成果.本文是在这些成果的基础上,对计算机智能视频监控系统的关键技术进行研究.主要贡献可概括如下:首先,对目标检测技术进行了研究,并提出了一种基于背景建模的运动目标检测算法.利用统计的方法建立了基于颜色和颜色梯度的背景模型,并实时地对背景模型进行更新,最后将这两种背景模型综合考虑对目标进行了有效的检测.接着,研究了复杂背景下多目标跟踪问题,提出了基于蒙特
licenseplatelocation
- 一种多车牌定位方法，该方法综合利用边缘检 测、连通域分析、倾斜矫正等多种方法,解决了复杂背景中定位难的问题-A multi-plate location method, which combined with an edge detection, connected component analysis, tilt correction and other methods to solve the complex problem of difficulties in the context
a_novel_bg_extration
- 这篇论文提出了一种新的为实现车辆检测和跟踪的自适应背景提取和更新算法-This paper proposes a new adaptive background extraction and updating algorithm for vehicle detection and tracking.
MotionDetection1
- 此代码用于运动目标检测，尤其是前期的目标背景建模等具有较好的效果-This code is used for moving target detection, especially early in the target background has a good effect modeling
detect_face
- 采用MATLAB完成人脸检测，可实现在前景和背景差别较大的情况下完成检测，准确率较高，适用范围较广。(Using MATLAB to complete the face detection can realize the detection of the foreground and the background difference is bigger, the accuracy rate is high, and the scope of application is wider.)
红外小目标检测 MATLAB
- 利用算法对背景图和目标进行分离，然后再分别进行还原