-
graph图形曲线绘制
此控件 可快速的进行曲线的实时绘制，但有一点问题 就是 在其后有 放大与缩小上的 问题
- 2022-02-06 20:55:27下载
- 积分：1
-
C++编写的背景减除
应用背景C++编写的背景减除方法，C++编写的背景减除方法，C++编写的背景减除方法，C++编写的背景减除方法，C++编写的背景减除方法，C++编写的背景减除方法。关键技术图像处理中运用C++进行背景减除，适用于人体特征提取！图像处理中运用C++进行背景减除，适用于人体特征提取！图像处理中运用C++进行背景减除，适用于人体特征提取！图像处理中运用C++进行背景减除，适用于人体特征提取！
- 2023-07-04 06:35:05下载
- 积分：1
-
Opencv数据结构学习代码
Opencv的基本数据结构包括点、矩形框数据类型、矩阵、不确定数组、图像头等。程序对这些数据结构进行操作，使大家对opencv的数据结构有更充分的认识和理解，包括对点、矩形框、矩阵、图像的翻转、信道的分隔与融合等。
- 2023-03-17 19:35:04下载
- 积分：1
-
VS+opencv 2.4.9中 结合Camshift + Kalman进行行人跟踪预测代码
目前，使用VS+opencv 2.4.9中 进行行人跟踪时，现有的程序只是结合Camshift 程序而已，其缺点就是目标遇到遮挡的时候，容易丢失。为了解决这个问题，本人引入kalman知识，对行人运动进行实时预测，当目标遇到遮挡的时候，可以进行预测，这时候能提高鲁棒性。本文的Camshift + Kalman进行行人跟踪预测代码是基于opencv2.4.9进行编写的，可以直接拿来应用，非常方便。有兴趣的朋友，可以在本算法的基础上进一步进行优化，相信由此代码基础，下一步的工作会轻松很多。本代码，也有助于新入门的程序员进行深入学习，或者直接拿来进行实验开发等等。
- 2022-02-14 19:28:53下载
- 积分：1
-
VC二维码识别zbar
原来zbar项目http://zbar.sourceforge.net呈现在Windows平台上的几个问题。我们想解决它在原有的项目，但它暂时不可行。该zbar管理员可能有其他职业，比调整zbar在Windows上运行的有力更重要。我们采用DirectShow技术来访问视频设备。
- 2022-04-29 04:46:48下载
- 积分：1
-
基于模糊规则的系统
模糊系统的 GUI。
基于规则的系统。
特定类型的推理，使用"如果那时 else"规则语句。如上文所述，规则是简单模式和推理引擎搜索模式匹配的数据中的模式匹配的规则。"如果"是指"当条件为 true，""那么"是指"采取行动 A"和"else"手段"时的条件不是真正采取行动 B."下面是一个示例与该规则可能的原因：
如果抢劫为 TRUE
和
可疑证人鉴定为 TRUE
和
怀疑的实物证据是 TRUE
和
怀疑缺乏不在场证明是真正的
然后
可能的原因是真正的
其他
围捕嫌疑
规则可以转发链接，也称为数据驱动的推理，因为他们开始用数据或事实和规则，适用于事实直到达到的目标是看看。规则还可以逆向链接，也称为目标驱动推理，因为他们以一个目标开始，寻找规则适用于这一目标，直到得出的一个结论。
- 2022-09-22 11:00:03下载
- 积分：1
-
多目标跟踪，opencv+vs
先用背景差分完成目标提取，将运动目标的相关信息放入到链表中，通过帧差完成对多目标的跟踪，达到实时性的要求运动目标的相关信息存放于结构体中，可以在此基础上判断目标的动作行为跟踪基本框架，opencv编写，利用背景差分，质心法可以跟踪多个目标，并分配ID号，记录行动轨迹，可用于车辆道路等，大家可以参考学习下，效果有待改进，不同的视频会有不同的效果。
- 2022-03-02 01:06:57下载
- 积分：1
-
新颖性检测
这是一种算法来检测新的样本可能是新的，不属于任何一我们已有的类。它 转移数据到空的空间并且如果功能数量不够大时，使用内核。
- 2022-02-07 01:52:27下载
- 积分：1
-
使用 opencv 的人脸检测
利用 opencv 和 haar 分类器的人脸检测。
这是一种代码包含 opencv 的训练，利用 haar 分类器分类器比检测的面孔中不同的图片，可以做为一部电影的不同帧。
- 2022-02-05 11:34:27下载
- 积分：1
-
基于opencv的sift运动目标跟踪
应用背景
SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。
关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。
（2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。
经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。
- 2023-06-24 03:30:06下载
- 积分：1
