搜索资源列表
gauss_model
- 高斯背景建模的程序。对于车辆检测比较有用
background-subtraction
- 背景高斯建模 能够很好的实现车辆的检测，可以用于与其他算法的比较-the Background Subtraction for the vehicle detection
Gaussian-modeling-approach
- vc++和opencv,运用高斯建模的方法对场景进行背景建模，背景差分。从而检测出运动的物体，如机动车辆、行人，烟火等。-vc++ and opencv, using the method of Gaussian modeling scene background modeling, background difference. To detect moving objects, such as motor vehicles, pedestrians, fireworks, etc.
AVehicleContourbasedMethodforOcclusion
- 摘要：在交通场景下进行多目标跟踪时，如何正确检测出车辆间的相互遮挡是影响车辆跟踪结果的关键。针对问题，运用投 影理论分析交通场景的三维几何投影特征．用长方体投影轮廓模型对车辆进行建模，重构其乏维投影轮廓，以进行遮挡的检 测和分离。与以往的方法相比，它在估计出的车辆外形轮廓基础t-进行遮挡检测，不需要匹配操作，计算量较小，并能解决 基于匹配的方法无法对付的初始遮挡问题。用实验验证了该算法的有效性。-In multi—object tracking of traf氍c scene。how
MovingDetect
- matlab的运动目标分割 车辆检测 平均建模背景差分-Moving object segmentation matlab Vehicle Detection average difference modeling background
Background-modeling
- 利用背景建模获得运动前景。本程序提取了运动的前景车辆。并对其二值化。-Using background modeling obtain movement prospects.
Vehicle1.3
- VC6.0 + QT4 + OpenCV 环境。演示视频地址http://v.youku.com/v_show/id_XMzA3MTU2Mzky.html (低角度车流量检测器)一种基于车头特征的车辆检测，很好的应用于低角度摄像机。与地感线圈车检器相比，解决了跟车问题。与传统基于背景建模的检测方法相比，解决了道路拥堵问题并解决了传统方法受限于摄像机必须架设很高的问题。同时能有效去除自行车、摩托车、行人的干扰，准确率可达95 。 all rights reserved by birdwcp-V
recognition-algorithm-design
- 运用帧差序列图像进行背景建模与更新，采用背景差分和LBP纹理分析法进行运动车辆的分割及阴影消除。提出车辆形状投影量的概念，将视频车辆二维形状信息降至一维，并设计二维输入模糊分类器，根据形状投影量和车高，车长比，完成车型的多种类精细识别。-Frame difference image sequence background modeling and updating, background subtraction and the LBP texture analysis method for th
picture--chasing
- 背景建模和前景分割的方式把运动车辆提取出来。并进行最近临关联，输出目标轨迹。 MeanShift运动目标跟踪 matlab程序 1.截取跟踪目标矩阵rect 2.求取跟踪目标的加权直方图hist1 3.读取视频序列中的一帧， 先随机取一块与rect等大的矩形，计算加权直方图hist2。 4.计算两者比重函数，如果后者差距过大， 更新新的矩阵中心Y，进行迭代（MeanShift是一种变步长可以迅速接近概率密度峰值的方法），直至一定条件后停止。
gaosi
- 基于混合高斯背景建模的方法用于检测场景中的运动车辆，采用Visual C++和OpenCV实现，程序有详细注释，并且附带测试视频，希望对大家有帮助。-The movement of vehicles, based on Gaussian mixture background modeling method for detecting the scene to adopt the Visual C++ and OpenCV realization, procedures detailed note
GaussianModel
- 基于Opencv的车辆检测和追踪，使用高斯混合模型建模，识别效果好-Vehicle detection and tracking based on opencv
beijingjianmo
- 多尺度高斯背景建模下的，车辆检测程序。C/C++语言-Multiscale Gaussian background modeling under the vehicle testing procedures. C/C++ language
finally
- 实现了车辆目标的背景建模、前景检测、阴影消除、车辆跟踪-Achieve a vehicle target background modeling, foreground detection, shadow elimination, vehicle tracking
MovingDetect
- Matlab的运动目标分割 车辆检测 平均建模背景差分-Matlab moving object segmentation of vehicle detection modeling background difference on average
background-modeling
- 随着智能监控技术的快速发展, 基于数字视频的智能视频监控系统代替原来的人力监控在越来越多的公共场所获得了应用。然而, 在实际的户外监控环境下, 由于光线变化以及初始背景样本的多样性, 难以建立良好的背景样本。针对上述问题, 提出了一种自适应的背景建模方法。其中自适应指两个方面: 第一 背景的自动更新 第二, 不需要使用背景帧样本作为模型训练的输人。在此基础上, 建立了针对户外交通环境的智能车辆监控系统。实验结果表明, 上述方法在动态场景的车辆检测中取得了较好的效果。-With the rapid
classicalmog
- 根据GMM经典论文Adaptive background mixture models for real-time tracking写的matlab源码，利用GMM背景建模并提取车辆，完全忠实于原论文-According GMM classic paper Adaptive background mixture models for real-time tracking matlab source code written using GMM background modeling and ex
111111111
- 基于opencv的混合高斯背景建模，可对视频中车辆进行运动检测-Gaussian mixture background modeling, can be a vehicle for video motion detection
混合高斯
- 用于车辆检测背景建模 通过混合高斯将前景与北京分离(Vehicle tracking background modeling is used to extract foreground)
Experient4
- 利用opencv高斯混合背景建模，并进行开闭运算滤波， 提取视频监控中的车辆(Using opencv Gaussian mixture background modeling and opening and closing operation filtering to extract vehicles in video surveillance)