搜索资源列表
Adaptive-background-mixture-models
- Adaptive background mixture models for real-time tracking，做视频运动检测与跟踪的朋友可以看看这一篇经典论文。-Adaptive background mixture models for real-time tracking, to do the video motion detection and tracking of friends can look at a classic paper.
code-of-GNSS-sofe-receiver
- 本书面向应用与编程设计、在参考国内外论著的基础上，结合作者自己的研究成果撰写。内容上由浅人深，第一章介绍了GNSS软件接收机的研究背景和各种卫星导航系统。第二章介绍了信号处理的一些相关概念。第三章介绍了卫星运动的基本理论。第四章研究GNSS信号，包括伪随机码信号、导航电文，着重以GPS和Galileo系统为例进行讨论。第五章研究了GNSS接收机的前端技术，包括天线和信号下变频原理。第六章探讨卫星信号的捕获技术。第七章讨论卫星信号的跟踪、解调和伪距计算。第八章探讨导航定位解算方法。第九章简要介绍了
4
- 本文针对摄像机运动情况下的多目标跟踪问题，提出了基于粒子滤波的跟踪算法。在粒子滤波算法基础上，将二阶自回归过程作为系统状态转移模型，HSV 颜色直方图作为观测模型，对视频中多个目标的位置、大小进行跟踪。实验结果表明，该算法能实时正确地跟踪多个目标，并对局部遮挡有较好的鲁棒性，也能在目标短暂消失导致跟踪失败后，在目标重新出现后及时捕获并继续进行跟踪。-A tracking algorithm based on particle filter is proposed to deal with mul
ExpB
- 心理学小实验,C#写的，主要功能是进行追踪动作的动作频率的评估。-Psychological Experiment，written with C# Funciton: the assessment of motion fequency in Manual Tracking.
UKF
- 本文 重 点 研究单目标跟踪中的三方面主要内容:一、非线性滤波 二、目标运动建模 三、各种探测条件下目标跟踪仿真实验。-This paper focuses on single target tracking in three areas: a nonlinear filtering , target motion modeling Third, a variety of detection under the conditions of the target tracking si
1
- 超紧耦合是 GPS/INS 组合导航系统的最新研究方向，它采用 INS 测得的载体动态信息辅助 GPS 接收机跟踪环 路，消除卫星信号中由于载体与卫星之间相对运动所产生的频率偏移，提高接收机在高动态环境下载波跟踪性能，同时还 可以压缩带宽，有效增强接收机抗干扰性能。介绍 GPS/INS 超紧耦合技术，给出 INS 辅助 GPS 载波跟踪环路结构图和相应 的数学模型，分析 INS 辅助 GPS 跟踪环路在动态环境下的动态残留及其对环路相位误差的影响，并进行了模型仿真，最后 对仿真结
test_Displacement
- 对移动的横条纹的运动特性进行跟踪并计算运行行程-Tracking the motion characteristics of the movement of lateral stripes and the calculated operating stroke
04470129.rar
- Research in motion analysis has evolved over the years as a challenging field. Moving object detection and tracking is of major interest in applications such as traffic monitoring, military, medicine and biological sciences etc. In this a ne
JPDA
- 在运动的位置叠加噪声。进行JPDA概率数据关联及kalman滤波。 两运动目标在x-y平面做匀速直线运动。初始位置是（4000,1200）（300,1500）速度分别是（200,200）（400,200）传感器对量目标进行位置状态量测。 采样间隔T=1,点数n=80.检测概率为1，正确量测落入跟踪内的概率为0.99，杂波均匀分布的密度为2个/km2由RAND函数产生在[0，1]上均匀分布的随机变量，跟踪门限为9.21。 -Superimposed noise in the posit
UTILE
- UTIL MOTION DETECTION AND TRACKING
Effectual-Method-for-Crowd-Counting
- 对固定镜头下视频序列中运动人体的检测和跟踪方法进行研究，利用灰度图像差分双向投影信息检测人体目标，提出一种基于统 计运动区域几何特征固定比例的分割算法，使用最近邻匹配方法对人体进行跟踪。-Video sequences in the detection and tracking of the movement of the human body to study under the fixed lens, bi-directional projector information using
opencv_vc6_ver1.0
- 基于OPEN CV的运动检测与跟踪的毕业设计，已调试通过-OPEN CV-based motion detection and tracking graduation design, debugging through
Opencv-ref-man-2.3.1
- opencv 2.3 英文详解 比较新 目录如下 Introduction 1 1.1 API Concepts 12 core. The Core Functionality 7 2.1 Basic Structures .7 2.2 Basic C Structures and Operations 45 2.3 Dynamic Structures 77 2.4 Operations on Arrays104 2.5 Drawing Functions
IMM-Kalman-filter--simulation
- 结合雷达跟踪的空中目标的实际情况，针对目标运动模型中的线性运动和非线性运动，分别设计了两种模型，并用马尔科夫状态转移矩阵实现IMM算法。最后对交互多模型卡尔曼滤波算法进行了Matlab仿真及结果分析。-Combined with radar tracking air targets, for linear and non-linear movement of target motion model, two models were designed and used a Markov state
Design-and-Real-ization
- 在优化粒子滤波跟踪框架下, 设计并实现了一个结合多种图像特征、在多摄像机环境下跟踪人体运动的三 维人体运动跟踪系统1 通过定义三维人体模型、摄像机模型以及观测似然模型, 得到跟踪所需目标函数, 并使用优化 粒子滤波算法进行求解1 实验结果表明, 该系统能够对人体运动进行准确的跟踪和三维重建, 可应用于体育运动分 析和动画制作等领域1-A v ideo-based 3D human body motion t racking system is developed under the
GZ
- 用于基于视频运动目标的跟踪，该算法融合了颜色直方图和梯度方向直方图的特征,能够更加精确地表征目标,较大地提高了视频目标跟踪的准确度和鲁棒性。-For video motion-based target tracking, the algorithm combines the color histogram and gradient direction histogram feature, to more accurately characterize the target, greatly im
ghk_tracker
- 基于matlab语言的αβγ滤波器的一种经典代码，适用于恒定加速度的运动雷达目标跟踪-A classic code based on Matlab language αβγ filter, suitable for constant acceleration motion radar target tracking
CV_CT_STF
- 用matlab 编写的 ，目标做匀速和匀加速运动，使用强跟踪对其进行滤波-Prepared using matlab, goals do uniform and uniformly accelerated motion, the use of strong tracking filter them
1
- 本文提出了一种复杂条件下基于子空间梯度方向直方图跟踪的方法，通过大量样本的离线训练构建目标的投影子 空间，并用梯度方向直方图在子空间的投影作为新的目标描述特征．为了满足实时性的要求，采用积分直方图方法 提高粒子特征的计算速度；然后结合粒子滤波方法在子空间中计箅粒子与训练样本集之间的相似度，进而估计目标 的运动参数．实验结果表明，该方法能够在光照变化、噪声干扰、模糊、目标姿态和尺度改变，以及部分遮捎等恶劣条 件下实现准确跟踪，比传统的跟踪方法具有更高的跟踪精度和跟踪鲁棒性，能够满足
00466915
- Tracking and Recognizing Rigid and Non-Rigid Facial Motions using Local Parametric Models of Image Motion