=高斯混合模型行人检测,Mean-Shift跟踪计数,实现行人准确跟踪,在线统计人数,安防预测
2024/6/5 4:25:19 195.04MB 检测跟踪计数
1
defGMM_algorithm(iterMax,gmm,dataset):'''高斯混合聚类算法:paramiterMax:最大迭代次数:paramgmm:保存gmm模型的数据:return:簇划分结果'''step=0m=len(dataset)flagMat=np.mat(np.zeros((m,1)))#保存每个样本的簇标记lateProbMat=np.mat(np.zeros((m,3)))#保存后验概率whilestep3):k+=1print(k)mark=['or','ob','og','ok','^r','+r','sr','dr','<r','pr']#画出所有样例点属于同一分类的绘制同样的颜色foriinrange(numSamples):
2024/5/18 3:22:23 183KB python聚类
1
高斯混合概率假设滤波器平滑matlab代码及对应论文,可以直接运行出结果.
2024/4/15 3:48:43 11KB 高斯混合 概率假设 滤波器
1
高斯混合模型的C++代码,包含详细注释,可直接运行。
mian函数中的"data.txt"是数据,可设置数据的维度和数目
2024/4/1 8:01:50 2.18MB GMM
1
GMM_运动检测_目标跟踪_背景建模基于高斯混合模型的运动物体检测。
有源代码和可执行程序,效果较好。
2024/3/24 6:08:23 8.41MB 运动检测 高斯混合模型 背景建模
1
matlab上基于高斯混合模型的说话人识别系统
2024/2/21 19:28:04 255KB 说话人识别
1
用期望最大化(EM算法)去实现高斯混合模型(GMM),使用matlab程序
2024/2/21 10:45:38 2KB EM GMM matlab
1
该部分代码是针对高斯混合模型聚类时的后验概率的计算问题。
2024/1/21 10:25:25 242B 后验概率
1
利用多维高斯混合模型,建立背景,然后通过减背景获得前景区域,多维高斯混合模型具有较强的抗噪声,较好适应光线变化
2023/11/28 14:22:34 2KB matlab gaussians mixture model
1
vs2010环境下编写的VC++代码,EM算法直观实现GMM。
效果参照:http://blog.csdn.net/hzq20081121107/article/details/19505619
2023/10/9 20:25:40 135KB 高斯混合模型 EM算法 mfc
1
共 28 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡