1、demo文件夹：YOLOv4目标检测算法针对MVI_40192文件夹数据集的处理效果，比较满意，车辆信息基本都能检测到。
2、road1_demo文件夹：YOLOv4+DeepSort算法，针对road1.mp4视频数据的目标跟踪、车流量计数效果。
人工统计车流量292辆(可能有偏差)，算法统计车流量288辆。
3、road2_demo文件夹：YOLOv4+DeepSort算法，针对road2.mp4视频数据的目标跟踪、车流量计数效果。
人工统计车流量29辆，算法统计车流量29辆。
只需视频流车辆清晰、大小合适、轮廓完整，算法处理的精度挺高。
4、road1_tracking.mp4、road2_tracking.mp4：由目标跟踪处理结果合成的视频流。
***********************************************************************************************1、deepsort文件夹：含目标跟踪算法源码，包括：卡尔曼滤波、匈牙利匹配、边框类创建、Track类创建、Tracker类创建。
2、ReID文件夹：含特征提取算法源码，model_data存储着reid网络的结构、权重，feature_extract_model.py用于创建特征提取类。
3、YOLOv4文件夹：含目标检测算法源码，model_data存储yolov4网络配置、nets+utils用于搭建模型。
decode.py用于将检测结果解码。
4、car_predict.py、yolo.py：用于验证目标检测算法的效果。
5、main.py：整个项目的运行入口，直接运行main.py，就可以调用YOLOv4+DeepSort，处理视频流信息，完成目标跟踪和车流量统计。

空时自适应信号处理_王永良,彭应宁著.pdf空时自适应信号处理（STAP）是相控阵机载雷达杂波抑制与目标检测的关键技术，已成为雷达界抢手的研究方向。
本书以相控阵机载预警雷达为背景，系统、深入地阐述了空时自适应处理的理论、方法及面向实际工程应用所涉及的有关问题。
书中总结了作者多年来的研究成果以及国际上这一领域的研究进展。
全书由十一章组成。
主要内容有空时自适应处理的研究进展及其相关问题，机载相控阵雷达杂波特性及其分析，空时自适应处理基本概念与原理，空时自适应处理的典型方法与分析，空时自适应处理的统一理论与处理框架，天线非正侧面阵放置时的空时自适应处理，杂波和有源干扰同时抑制的方法，空时自适应处理的权值算法等。
此外，书中还专门介绍了传统的机载雷达杂波抑制技术。
本书是关于空时自适应处理的一部专著，可作为雷达领域的专业参考书，也可作为研究生的选修教材，对从事通信、导航与声纳等领域的专业技术人员也有一定的参考价值。

--Tensorflow+SSD+Yolo（目标检测）文章11.视频检测该资源是本篇文章的操作步骤以及参考帖子的截图，以防参考帖子生效。

（需求配置好opencv）支持多目标检测，人脸识别

（需求配置好opencv）支持多目标检测，人脸识别

斯坦福计算机视觉课程CS231N中文讲义，对于想学习计算机视觉的同窗来说很有用。
学完这个课程能够对kNN，SVM，CNN，目标检测，GAN，风格迁移等基础与前沿理论都有足够的了解。

SSD使用VGG-16-Atrous作为基础网络，其中黄色部分为在VGG-16基础网络上填加的特征提取层。
SSD与yolo不同之处是除了在最终特征图上做目标检测之外，还在之前选取的5个特特征图上进行预测。
SSD图1为SSD网络进行一次预测的示意图，可以看出，检测过程不只在填加特征图(conv8_2,conv9_2,conv_10_2,pool_11)上进行，为了保证网络对小目标有很好检测效果，检测过程也在基础网络特征图(conv4_3,conv_7)上进行。

本文基于xilinx公司的ARTIX-7系列芯片xc7a35t和cmos摄像头ov7725以及VGA显示屏搭建了一套硬件平台用以动态目标的检测跟踪。
使用vivado软件设计了各个系统模块的功能，本系统主要由5个模块构成：ov7725视频图像数据采集模块、数据缓存模块、DDR3读写控制模块、图像数据处理模块、VGA显示模块。
本文采用VerilogHDL硬件描述语言进行编程，先完成了对摄像头ov7725的驱动，通过摄像头采集的图像转为RGB565格式通过数据缓存模块存入DDR3之中，再通过数据缓存模块取出并通过背景差分法进行动态目标的检测，在进行先腐蚀后膨胀的数学形状学处理之后，采用基于颜色特征的匹配算法进行动态目标的跟踪，并最终在VGA显示屏上显示跟踪结果。
实验结果表明，在FPGA上采用合适的算法搭建系统能实时、准确的检测并跟踪动态目标。

运动目标检测的三帧差法算法研讨（精）.pdf

运动目标检测与识别算法的研讨.pdf

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。