水下多目標(biāo)檢測算法（AIC）——matlab程序 detection_AIC.rar (2 K) 很簡單的一個(gè)算法程序，初學(xué)者進(jìn)來看看。
標(biāo)簽： detection_AIC matlab AIC
上傳時(shí)間： 2013-12-20
上傳用戶：壞天使kk
運(yùn)動(dòng)目標(biāo)跟蹤相關(guān)資料，包括meanshift，camshift等
標(biāo)簽： 運(yùn)動(dòng)目標(biāo)跟蹤
上傳時(shí)間： 2017-09-08
上傳用戶：playboys0
K分布和高斯雜波復(fù)合背景下的相干雷達(dá)目標(biāo)檢測
標(biāo)簽： K分布 高斯 雜波 背景
上傳時(shí)間： 2017-09-11
上傳用戶：yzy6007
Kalman濾波器在單運(yùn)動(dòng)目標(biāo)自動(dòng)跟蹤中的應(yīng)用,相當(dāng)經(jīng)典，希望對大家有所幫助。
標(biāo)簽： Kalman 濾波器 中的應(yīng)用 運(yùn)動(dòng)目標(biāo)
上傳時(shí)間： 2017-09-15
上傳用戶：zl5712176
opencv異常檢測 預(yù)警車輛視頻運(yùn)動(dòng)目標(biāo)檢測
標(biāo)簽： opencv 異常檢測
上傳時(shí)間： 2016-04-29
上傳用戶：skyeskye
基于vibe的運(yùn)動(dòng)目標(biāo)檢測，可以實(shí)現(xiàn)快速檢測出運(yùn)動(dòng)目標(biāo)。實(shí)時(shí)性好
標(biāo)簽： vibe 檢測
上傳時(shí)間： 2017-12-04
上傳用戶：fangfeng
紅外圖像檢測技術(shù)因具有非接觸、快速等優(yōu)點(diǎn)，被廣泛應(yīng)用于電力設(shè)備的監(jiān)測與診斷 中，而對設(shè)備快速精確地檢測定位是實(shí)現(xiàn)自動(dòng)檢測與診斷的前提。與普通目標(biāo)的可見光圖像相比， 電力設(shè)備的紅外圖像可能存在背景復(fù)雜、對比度低、目標(biāo)特征相近、長寬比偏大等特征，采用原 始的 YOLOv3 模型難以精確定位到目標(biāo)。針對此問題，該文對 YOLOv3 模型進(jìn)行改進(jìn)：在其骨干 網(wǎng)絡(luò)中引入跨階段局部模塊；將路徑聚合網(wǎng)絡(luò)融合到原模型的特征金字塔結(jié)構(gòu)中；加入馬賽克 （Mosaic）數(shù)據(jù)增強(qiáng)技術(shù)和 Complete-IoU（CIoU）損失函數(shù)。將改進(jìn)后的模型在四類具有相似波紋 外觀結(jié)構(gòu)的電力設(shè)備紅外圖像數(shù)據(jù)集上進(jìn)行訓(xùn)練測試，每類的檢測精度均能達(dá)到 92%以上。最后， 將該文方法的測試結(jié)果與其他三個(gè)主流目標(biāo)檢測模型進(jìn)行對比評估。結(jié)果表明：不同閾值下，該 文提出的改進(jìn)模型獲得的平均精度均值優(yōu)于 Faster R-CNN、SSD 和 YOLOv3 模型。改進(jìn)后的 YOLOv3 模型盡管在檢測速度上相比原 YOLOv3 模型有所犧牲，但仍明顯高于其他兩種模型。對 比結(jié)果進(jìn)一步驗(yàn)證了所提模型的有效性。
標(biāo)簽： 電力設(shè)備 紅外目標(biāo)檢測
上傳時(shí)間： 2021-10-30
上傳用戶：
嵌入式平臺(tái)上運(yùn)動(dòng)目標(biāo)的穩(wěn)定實(shí)時(shí)跟蹤算法
標(biāo)簽： 嵌入式
上傳時(shí)間： 2022-02-10
隨著計(jì)算機(jī)網(wǎng)絡(luò)的廣泛應(yīng)用以及嵌入式技術(shù)、圖像技術(shù)的不斷進(jìn)步，視頻監(jiān)控領(lǐng)域進(jìn)入了一個(gè)快速發(fā)展的時(shí)期。基于嵌入式技術(shù)的視頻監(jiān)控技術(shù)作為一種先進(jìn)的、廉價(jià)的視頻監(jiān)控技術(shù)，為視頻監(jiān)控設(shè)備的開發(fā)提供了一種全新解決方案。近年來，采用無線網(wǎng)絡(luò)技術(shù)的視頻監(jiān)控系統(tǒng)由于其更低廉的價(jià)格、更靈活的部署方式受到廣大視頻監(jiān)控用戶的青睞，逐漸成為視頻監(jiān)控技術(shù)的發(fā)展方向之一。 運(yùn)動(dòng)目標(biāo)檢測算法是一種在視頻圖像檢測中經(jīng)常使用的算法，主要用來發(fā)現(xiàn)視頻中的運(yùn)動(dòng)物體。在視頻監(jiān)控系統(tǒng)中引入運(yùn)動(dòng)目標(biāo)檢測算法可使監(jiān)控系統(tǒng)具備簡單的智能功能，即在有運(yùn)動(dòng)物體進(jìn)入監(jiān)控區(qū)域時(shí)才傳輸視頻并錄像。常用的運(yùn)動(dòng)目標(biāo)檢測算法包括幀間差分法和背景差法等。 論文在融合嵌入式技術(shù)、運(yùn)動(dòng)目標(biāo)檢測技術(shù)的基礎(chǔ)上，結(jié)合視頻監(jiān)控系統(tǒng)在室內(nèi)及小型辦公場所應(yīng)用的實(shí)際需求，提出了一種基于嵌入式技術(shù)的無線智能視頻監(jiān)控系統(tǒng)解決方案。該方案的視頻監(jiān)控端采用三星公司基于ARM體系結(jié)構(gòu)的芯片S3C2440A作為處理器，在使用該處理器的硬件板上構(gòu)建了嵌入式Linux操作系統(tǒng)作為應(yīng)用程序開發(fā)的平臺(tái)。在視頻監(jiān)控系統(tǒng)的視頻監(jiān)控端應(yīng)用程序開發(fā)中，論文分析了幀間差分法和背景差法的優(yōu)缺點(diǎn)，并在此基礎(chǔ)上實(shí)現(xiàn)了兩種算法的融合，完成了在視頻采集的同時(shí)實(shí)現(xiàn)對運(yùn)動(dòng)物體的檢測。系統(tǒng)的PC視頻接收端應(yīng)用程序使用C＃語言編寫，程序開發(fā)中使用了網(wǎng)絡(luò)編程技術(shù)，在Windows操作系統(tǒng)下實(shí)現(xiàn)了視頻接收、錄像及錄像播放功能。 實(shí)驗(yàn)結(jié)果表明，論文設(shè)計(jì)圓滿地完成了功能要求，對基于嵌入式平臺(tái)的監(jiān)控系統(tǒng)設(shè)計(jì)具有很大的參考價(jià)值。
標(biāo)簽： ARM 無線智能 監(jiān)控系統(tǒng)
上傳時(shí)間： 2013-06-11
上傳用戶：asdkin
學(xué)術(shù)論文
標(biāo)簽： 視頻 海 技術(shù)研究 運(yùn)動(dòng)目標(biāo)檢測
上傳時(shí)間： 2013-11-18
上傳用戶：hanhanj
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
