搜索资源列表
CVideo(three-camerads)
- 本程序用于实现三个摄像头即对三录视频源信号进行采集并在同一个对话框进行显示，本程序为进行三个场景视频源保存及实现三录画面实时的视频监控的基础，希望对于实现多录视频源监控和朋友有所帮助-The procedure used to implement three of the three cameras that recorded the video source signal acquisition and display in a dialog box with the program for
ObjectDetect
- 用opencv做的一个比较基础的光流场目标检测算法实现，可以进行光流计算和标注，并含有测试视频文件。-To do a comparison with opencv optical flow field based object detection algorithm, optical flow can be calculated and marked, and contains test video files
motion-tracking-system-
- 本文分析比较了传统运动目标检测的3种主要方法:背景图像差分法、时态差分法和光流法,在此基础上给出了一种背景图像预测算法,大大减少了因为背景变化而产生的目标检测误差。本文基于OpenCV设计出改进的运动目标检测与跟踪算法,实现了运动目标的跟踪,并在VC++编译环境下,利用USB摄像头作为视频采集器,通过观察实验结果可以看出,本文的运动目标检测算法能够正确地检测出视频图像中的运动目标,而且在检测性能上优于普通的自适应背景差分法。 -OpenCV-based motion tracking sys
OpenCV_based_tracking
- 运动目标的检测跟踪在机器人视觉,监控测量和视频压缩编码等等方面有着广泛的应用，是近年来的一个研究热点。本文设计了一个基于OpenCV软件的运动目标检测跟踪实验平台，对摄像头视野中的运动目标进行实时检测和跟踪，并留下编程和硬件接口，为利用运动目标跟踪而进行机器人视觉和基于计算机视觉的测量监控研究打下基础。-Moving target detection and tracking in robot vision, monitoring measurements and video compressi
optical-flow-algorithm-simulation-
- 提出一种基于OpenCV图像库的运动目标处理算法仿真方法，介绍了OpenCV库的特点和VC6环境下的配置，通过调用库中的视频读写函数、图像特征计算和光流计算函数，得到运动目标的光流场，为运动目标状态分析和跟踪提供了基础，仅在-OpenCV-based optical flow algorithm simulation exercise goals
moving-object-detection-method-
- 针对视频监控系统的运动目标检测部分,介绍了以OpenCV为平台,以背景减法与帧差法为基础的检测方法。它以背景减法建立和更新背景模型,利用感兴趣区域的设置提高实时性,引入修正的大津法自适应阈值改善二值化效果,并以帧差法为补充降低虚报率及光照变化的影响。实验表明,该方法可以快速有效地对运动目标实施报警。-OpenCV-based moving object detection method and application of some of the articles I read, I feel
Set-ROI-by-Mouse
- 在视频图像上，用鼠标设定任意矩形区域。为后续在监测区域内处理数据，打下基础。 opencv程序。-This little program is used to set Reigon of Intererting by mouse,the ROI is rectangle with any scale.
openmovie
- 学习如何对视频图像的播放，以及opencv中的基础知识。-Learn how to play video images, as well as the basic knowledge of opencv.
OpenCV_By_Example(中文版)
- 该资料中包含了《OpenCV By Example》中文版以及例程程序，该书的目录如下所示： 第1章 OpenCV的探险之旅; 第2章 OpenCV基础知识介绍; 第3章 图形用户界面和基本滤波; 第4章 深入研究直方图和滤波器; 第5章 自动光学检测、目标分割和检测; 第6章 学习目标分类; 第7章 识别人脸部分并覆盖面具; 第8章 视频监控、背景建模和形态学操作; 第9章 学习对象跟踪; 第10章 文本识别中的分割算法; 第11章 使用Tessera