搜索资源列表
contour
- 在vc6.0中实现实现角点检测.角点检测对运动目标的跟踪很有用.-In vc6.0 corner detection is implemented to achieve. Corner detection to track the moving target is useful.
gougou23201016
- 实现对运动物体进行实时的检测，并且可实现运动目标物体与原始模板之间的匹配-To achieve real-time detection of moving objects, and can realize the moving target object and the match between the original template
aboat-pyramidFlow
- 关于光流法的运动图像目标检测 已调试成功-About optical flow moving image target detection has been successfully debug
class_optical_flow
- 一个经典的关于光流法的运动图像目标检测 已调试成功-Moving image target detection of optical flow method is a classic has been successful commissioning
ThreeZhen
- 基于Opencv方法做的一个先利用三帧差分法检测视频中运动目标！，再利用adaboost算法检测人脸！能运行效果有待改进！-Opencv based method to do a first use of three difference method to detect moving objects in video! , Re-use adaboost algorithm to detect human face! The effe
Visual-saliency--tracking
- 针对突变运动下的目标跟踪问题，提出一种基于视觉显著性的粒子滤波跟踪算法． 该算 法将基于视觉注意机制的视觉显著图引入粒子滤波框架中，根据视觉显著图的显著性区域，按 胜者为王和返回抑制机制进行目标检测-Aimingat solvingthetrackingproblemsunder thecircumstancesof abrupt motion，aparticlefilter trackerisproposedbasedonvi
motiondetector
- 这个是在linux下开发的gstreamer插件，实现了多运动目标的检测功能，效果很不错-This is developed under linux gstreamer plugins to achieve a multi moving target detection, the effect is very good
ImageProcessing
- 图像特征检测与运动目标分割算法的研究,图像分割与目标特边界提取-image features detection and motion object segmentation algorithm
track
- 基于opencv的运动目标轮廓检测，用MFC编写的界面，实现视频在对话框指定位置的显示，有详细注释，适合初学者。-Moving target based on the contour detection opencv prepared with MFC interface, video display dialog box to specify the location, detailed notes for beginners.
HopkinsMultiviewMultibodyCode
- 这个算法包实现了多视角下多运动目标的检测和分割算法，主要有三种算法： GPCA 谱聚类法，RANSAC, 局部子空间仿射变幻法。- This package contains the code for the following multiview-multibody motion segmentation algorithms: - GPCA with spectral clustering - RANSA
guassian
- 混合高斯背景模型，背景差法，检测运动目标，环境VC2008，Opencv，前景与背景分开显示-Gaussian mixture background model background subtraction method to detect moving targets
s2
- 使用python语言， 通过opencv可以实现运动目标跟踪与 阴影检测-python opencv shadow
MovingDetect
- Matlab的运动目标分割 车辆检测 平均建模背景差分-Matlab moving object segmentation of vehicle detection modeling background difference on average
abc
- 基于混合高斯模型背景建模法来检测运动目标-Gaussian mixture model-based background modeling method to detect moving targets
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
synthetic-range-profile
- 分析运动目标的合成距离像，对实现明白的跟踪检测很有意义。-Synthetic moving target like distance analysis, understand the tracking and detection of achieving meaningful.
BackGroundTest
- 帧间差分法：一种比较简单的目标分割方法，在静态背景下，先通过视频序列建立相应的背景图，然后利用当前图像与背景图像的差分来检测运动区域，并进行膨胀、腐蚀等操作，从而提取出运动目标。-fr a me difference method: a relatively simple object segmentation, in the static context, first established by video sequences co
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 sur
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
m9
- 基于像素的背景建模方法速度较快但不能很好地描述背景运动，光流能准确描述物体运动但计算量大，难以满足实时的要求．提出一种结合基于像素的背景建模方法速度快以及光流描述物体运动准确优点的背景建模和目标检测方法．具体来说，为静止背景建立传统基于像素的灰度背景模型，为运动背景建立光流背景模型，通过２种背景模型的有效结合快速准确地实现目标检测．实验结果表明，提出的方法建模速度与基于像素背景建模方法相当，同时，又有光流准确描述背景运动的优点，综合性能