视频演示算法包括：1.静态背景下的背景预测法目标检测2.静态背景下帧间差分法目标检测3.MeanShift目标跟踪方法4.重心多目标跟踪方法该框架支持的视频只限于RGB非紧缩WindowsAVI格式，可以通过“文件”菜单下打开视频来打开视频文件。
2017/10/5 12:53:16
1.25MB
1
近年来卷积神经网络框架被成功地应用到目标跟踪领域,并取得了较为稳健的跟踪结果。
基于此思想,提出一种基于定位-分类-匹配模型的目标跟踪方法。
首先,在定位模型中,利用前一帧的位置信息预测当前帧中的候选目标区域。
然后,采用已训练的深度特征对候选区域进行类间筛选,选出N个次优目标区域。
最后,利用常规颜色特征对次优目标区域进行类内寻优匹配,从而确定最终的跟踪目标。
与此同时,分别对定位、分类中的网络进行更新,并对建立的匹配模型进行在线实时更新,使得其对目标的描述愈加准确。
在OTB50和OTB100标准数据库上进行实验测试,结果表明,提出的跟踪方法在快速运动、相似物体干扰、复杂背景等条件下具有较好的跟踪稳健性。
基于此思想,提出一种基于定位-分类-匹配模型的目标跟踪方法。
首先,在定位模型中,利用前一帧的位置信息预测当前帧中的候选目标区域。
然后,采用已训练的深度特征对候选区域进行类间筛选,选出N个次优目标区域。
最后,利用常规颜色特征对次优目标区域进行类内寻优匹配,从而确定最终的跟踪目标。
与此同时,分别对定位、分类中的网络进行更新,并对建立的匹配模型进行在线实时更新,使得其对目标的描述愈加准确。
在OTB50和OTB100标准数据库上进行实验测试,结果表明,提出的跟踪方法在快速运动、相似物体干扰、复杂背景等条件下具有较好的跟踪稳健性。
2018/11/13 7:13:26
11.2MB
1
Hough变换是一种提取直线、圆、椭圆、二次曲线甚至是任意外形边缘的有效方法，目前已经在军事和民用领域将会得到广泛的应用，如：图像处理、信号检测、雷达目标跟踪、被动跟踪、多传感器多目标跟踪等。
但是，Hough变换大多数算法的计算量大，需要很大的存储空间，而且都是假设图像在计算机中能用完美的模型来描绘。
然而，由于噪声、数字化误差等因素影响，真实的图形在计算机中经常会失真
但是，Hough变换大多数算法的计算量大，需要很大的存储空间，而且都是假设图像在计算机中能用完美的模型来描绘。
然而，由于噪声、数字化误差等因素影响，真实的图形在计算机中经常会失真
2019/7/2 11:55:04
5.86MB
1
这是一个基于粒子滤波的视频目标跟踪的matlab仿真程序，为了方便大家的使用，还特地在文件中附加了一组从视频中提取的仿真图片，需要注意的是，在tracker.m主程序中，读取图片的路径需要改成你存放图片的路径，只需个路径改对了，其他.m文件文件不用修改就可以运行了。
2021/9/16 22:45:35
2.32MB
1
KCF中加入LMCF中的APCE遮挡评价标准，能一定程度上应对遮挡问题。
里面的两个参数可以本人调试。
里面的两个参数可以本人调试。
2018/6/7 15:27:16
45KB
1
matlab官方所提供的基于卡尔曼滤波的目标跟踪算法demo，核心部分使用了计算机视觉工具箱，本人将其简化并加入汉语注释，使其愈加通俗易懂，运行环境为matlab2014
2015/3/25 21:38:23
5.76MB
1
本文开发平台是VisualStudio2012+opencv结合多线程实现实时场景下目标的跟踪，本代码提供于此，共大家参考使用，使研究本领域的同仁能够开辟视野，节省时间
2020/4/17 11:10:48
107KB
1
资源包含KCF,DSST,ECOHC,SAMF,Staple,LMCF,LCT,SRDCF,SRDCFdecon,BACF十个目标跟踪算法在OTB100的TRE,SRE矩阵结果，其中包括了OTB50和OTB2013。
可以节省很多跑代码的工夫。
可以节省很多跑代码的工夫。
2021/4/16 20:29:49
79.92MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB