搜索资源列表
10_methods
- 在MATLAB环境下，背景为非高斯噪声下非常适用的滤波新算法。-in MATLAB environment, the background of the non-Gaussian noise filtering is applied to the new algorithm.
backmode824
- 这个是应用混合高斯的背景建模的方法进行的目标检测的程序,需要应用opencv.供大家交流交流-this is the application of Gaussian mixture of the background modeling method for the detection procedures, opencv needed. for the exchange of exchange
background__modelling
- 利用高斯模型实现背景建模的程序。简单实用，自己写的，利用了opencv的处理函数，需要调节阈值-using the Gaussian model, background modeling procedures. Simple and practical, wrote, opencv use of the processing function, needs to adjust the threshold
HaarFaceDetect
- 视频监控系统完整源码（本人本科毕业设计），运用帧间差分算法，运用高斯混合模型来实现背景的实时更新，以减少由于环境的变化对检测结果的干扰。-Video Surveillance System integrity of the source code (I graduated from undergraduate design), use interframe difference algorithm, Gaussian mixture model used to achieve the real-
originpro
- 背景消除方法：利用多维高斯混合模型，建立背景模型。虽然速度慢了点，但是方法很好，希望能给大家一点帮助:)
gaosi
- 图形图像处理，混合高斯图像背景估计＆更新
AnalysisandRealizationoftheParallelGPF
- 本文档的标题是并行高斯粒子滤波器结构分析和实现。本文针对粒子滤波器计算量大、实时性差的问题分析了高斯粒子滤波的并行结构,并以一个简单实例为背景介绍了高斯粒子滤波器在集群计算机上的应用实现。是一篇很好的论文
OPENCV_GMM
- 基于OPENCV的GMM算法，通过时间推移建立视频图像的高斯混合背景模型，并可有效检测其中的运动目标。
GMM
- 多高斯模型是检测运动目标的一种背景消减的方法，这是用matlab实现的
BGM
- 本文提出了一种静止摄像机条件下的运动目标检测与跟踪算法。 它以一种改进的自适应 混合高斯模型为背景更新方法，用连通区检测算法分割出前景目标，以 Kalman滤波为运动模型实现对运动目标的连续跟踪。在目标跟踪时，该算法针对目标遮挡引起的各种可能情况.
115157707GSM_detector
- 高斯模型GMM分割背景和前景高斯模型GMM分割背景和前景
20081004
- GMM 混合高斯自适应背景维护 可以用来做行人检测 等
BackgroundSubtraction
- 减背景算法，基于背景建模的方法获取前景目标，采用高斯混合模型
2119413023220076181125249677325rar
- 可用于视频目标检测中背景生成的混合高斯模型
gmm
- 混合高斯模型是一种比高斯模型更好的背景建模方法
CImGauMM_
- 高斯混合模型，及背景减计算，Blob连通域，统计流量计数
GMM_and_shadow_suppression
- 基于混合高斯的背景建模与阴影抑制算法研究,背景建模，目标检测
testgmm
- 实现运动目标检测算法的程序，应用的平台是matlab2016(The program to realize the algorithm of moving target detection, the application platform is matlab2016)
混合高斯背景建模
- Matlab based on the optical flow method of moving object detection, source code, available
S1IM159.【已完成】基于SVM的烟雾识别系统
- 基于SVM的烟雾识别系统 运动区域提取使用的是 自适应混合高斯背景建模 特征算法使用的是 HOG+LBP 机器学习方法使用的是 scikit的SVM(Smoke recognition system based on SVM The moving region extraction uses adaptive Gaussian mixture background modeling feature algorithm, hog + LBP machine learning method