本代码建立高斯混合模型(高斯多模型)(GMM)，将其用于计算机视觉领域的视频目标检测视频监控运动检测运动目标检测视频目标跟踪等相关应用中。
2024/8/8 10:54:46
3KB
1
本书从墙和建筑材料的电磁属性的研究开始，讨论了在天线阵元设计和阵列配置中的各种技术，波束形成的概念和问题，以及集中和分布式孔径天线阵列的应用。
本书还详细讨论了波形设计，逆散射方法和基于物理模型的方法，合成孔径雷达（SAR）技术，冲激雷达，多层建筑物的机载雷达成像，目标检测方法，隐蔽目标检测，压缩感知（CS）方法。
最后给出了如何运用微多普勒特征进行人体微动的测量。
本书还详细讨论了波形设计，逆散射方法和基于物理模型的方法，合成孔径雷达（SAR）技术，冲激雷达，多层建筑物的机载雷达成像，目标检测方法，隐蔽目标检测，压缩感知（CS）方法。
最后给出了如何运用微多普勒特征进行人体微动的测量。
2024/7/20 3:12:06
128.83MB
1
在本文中，受人荷尔蒙系统的调节机制的启发，提出了一种新颖的基于内分泌的智能分布式合作算法（EIDCA）进行目标跟踪。
EIDCA使无线传感器网络中的节点能够自动进行自我组织，而无需集中控制目标检测。
还引入了一种基于概率的激素传输方案，以缓解由于节点频繁切换而引起的网络波动。
同时，设计了一种数值评估方法，以提供一种量化指标，用于比较不同算法的跟踪性能。
仿真结果表明，由EIDCA控制的分散网络无需中央控制就能高效，可靠地工作。
还表明，提出的EIDCA在跟踪目标方面优于比较算法。
EIDCA使无线传感器网络中的节点能够自动进行自我组织，而无需集中控制目标检测。
还引入了一种基于概率的激素传输方案，以缓解由于节点频繁切换而引起的网络波动。
同时，设计了一种数值评估方法，以提供一种量化指标，用于比较不同算法的跟踪性能。
仿真结果表明，由EIDCA控制的分散网络无需中央控制就能高效，可靠地工作。
还表明，提出的EIDCA在跟踪目标方面优于比较算法。
2024/7/13 10:53:03
2.87MB
1
针对智能交通系统中交通基础数据当前提取方式较匮乏的问题，提出了一种利用交通视频基于改进卡尔曼滤波的交通信息采集方法。
首先，分析混合高斯模型在多车辆运动目标检测时易出现噪点、目标断裂、空洞等问题，提出了一种启发式改进方法；
在获得检测结果的基础上，针对连续视频帧中多目标的确定问题，结合卡尔曼滤波和车辆运动特征，利用卡尔曼滤波对车辆位置进行最优估计，继而对前景目标进行启发式算法处理，提出了一种交通量实时检测方法；
最后，实验结果表明文章方法能够有效改善多车辆目标检测中的噪声干扰和前景虚化问题。
首先，分析混合高斯模型在多车辆运动目标检测时易出现噪点、目标断裂、空洞等问题，提出了一种启发式改进方法；
在获得检测结果的基础上，针对连续视频帧中多目标的确定问题，结合卡尔曼滤波和车辆运动特征，利用卡尔曼滤波对车辆位置进行最优估计，继而对前景目标进行启发式算法处理，提出了一种交通量实时检测方法；
最后，实验结果表明文章方法能够有效改善多车辆目标检测中的噪声干扰和前景虚化问题。
2024/6/16 8:03:38
3KB
1
针对以离散余弦变换为核心的人类视觉模型舰船检测算法受数据类型限制的问题（即对复数类型的数据检测效果不好），该文提出了一种改进的人类视觉模型SAR图像舰船检测算法。
该算法是以快速傅里叶变换代替离散余弦变换，将SAR图像从空间域变换到频率域。
快速傅里叶变换对数据类型要求较低，只要求数据是离散的，并且运行效率更高。
该算法是以快速傅里叶变换代替离散余弦变换，将SAR图像从空间域变换到频率域。
快速傅里叶变换对数据类型要求较低，只要求数据是离散的，并且运行效率更高。
2024/6/2 10:52:09
4.34MB
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