<input id="a8oak"></input>
頭肩的定位檢測采用了Haar特征和HOG特征的層級分類方法，并根據頭肩的對稱性特點，提出了一種稱為Joint HOG的組合型特征。通過Haar分類器濾除大部分負樣本后，接著用HOG進行精細的驗證從而得到頭肩目標框。實驗表明，本文的方法取得了80%~90%的準確率，并且完全可以用于實時處理。
標簽： Joint HOG 特征 復雜場景
上傳時間： 2013-11-13
上傳用戶：weareno2
探討了radon變換在低信噪比圖像特征檢測的適用性!分析了radon變換變換的優勢與不足!并從信息融合的角度出發!提出了radon變換補充的應用策略!對低信噪比的機場跑道圖像進行了驗證!顯示出較好的檢測效果.
標簽： radon 變換 低信噪比 圖像
上傳時間： 2015-01-03
上傳用戶：herog3
在深入的對頻譜臉法和Fisherface方法進行研究后，綜合這兩種方法的優點，提出了一種基于頻譜臉和Fisherface的人臉識別新方法。頻譜臉方法主要是采用二維小波變換和傅立葉變換。因為人臉圖像的低頻部分對人臉的表情變化是不敏感的，所以對人臉圖像使用二維小波變換，提取人臉圖像的低頻部分。對人臉圖像的低頻部分使用傅立葉變換，從而獲得原人像的一個低維空間的表達。但是頻譜臉特征維數仍然較高，所以在頻譜臉法的基礎上繼續提取人臉頻譜圖像的Fisherface 特征，降低特征的維數，提高識別效率。利用人臉面部構造產生的灰度特性提取眼睛，利用嘴唇的色度特征分割出嘴巴，進而根據眼睛和嘴巴構成三角形模板的特性，精確定位人臉在圖像中的位置。實驗結果表明，這種結合膚色和面部特征的算法，能夠對人臉進行較快速、準確的定位，而且結果比較穩定可靠。
標簽： 特征提取 彩色圖像 人臉檢測
上傳時間： 2013-10-09
上傳用戶：zhf01y
基于matlab的幾個kalman濾波以及多傳感器融合和wk算法的程序
標簽： matlab kalman 濾波 多傳感器融合
上傳時間： 2015-01-06
上傳用戶：wkchong
特征值和特征向量的計算,每種算法都用c++以函數形式實現
標簽： 特征 向量 函數 計算
上傳時間： 2015-01-12
上傳用戶：小碼農lz
Bayes濾波器算法,c++語言實現,Visual Studio.net下實現,2003年8月修正版本,用于數據融合算法
標簽： Visual Studio Bayes 2003
上傳時間： 2015-01-13
上傳用戶：小鵬
java安全的api和java安全的特征
標簽： java api 特征
上傳時間： 2014-01-09
上傳用戶：wqxstar
矩陣特征值與特征向量的計算
標簽： 特征 矩陣 向量 計算
上傳時間： 2015-02-02
上傳用戶：busterman
特征提取技術。這種技術以傳統的建模方式為前提，對于產生的模型的幾何、拓撲等信息加以分析以提取其特征信息，這種技術一般多采用人工智能及模式識別等方面的知識。
標簽： 特征 提取技術 建模 方式
上傳時間： 2015-02-12
上傳用戶：康郎
雅可比過關法求實對稱矩陣特征值與特征向量
標簽： 特征 對稱 向量 矩陣
上傳時間： 2014-01-13
上傳用戶：jeffery
蟲蟲下載站版權所有 京ICP備2021023401號-1
<input id="omweo"></input>
<dl id="omweo"></dl>
