搜索资源列表
redmine
- Redmine 是一个开源的、基于Web的项目管理和缺陷跟踪工具。它用**历和甘特图辅助项目及进度可视化显示。同时它又支持多项目管理。Redmine是一个自由开放 源码软件解决方案，它提供集成的项目管理功能，问题跟踪，并为多个版本控制选项的支持。虽说像IBM Rational Team Concert的商业项目调查工具已经很强大了，但想坚持一个自由和开放源码的解决方案，可能会发现Redmine是一个有用的Scrum和敏捷的选择。 由于Redmine的设计受到Rrac的较大影响，所以它们的软件包有
IMM_ct
- 此程序为跟踪效果比较好的交互多模型，对转弯运动的目标有较好的跟踪效果-This program to track the effect of better interacting multiple model, the turning movement of the target tracking
imm_cs
- 此程序为交互多模型的滤波器设计，采用了当前统计模型，跟踪效果比较理想-This program is interacting multiple model filter design, the current statistical model, the effect of tracking is ideal
IMM_jidong
- 机动目标的交互多模型跟踪算法，对机动目标的跟踪效果很理想-Maneuvering targets interacting multiple model tracking algorithm for maneuvering target tracking results very satisfactory
IMM_CS-CA-MCT
- 此程序为机动目标的交互多模型跟踪算法，采用了CS/CA/MCT模型-This program interacting multiple model for maneuvering target tracking algorithm, using the CS/CA/MCT model
MIMMMPDAAu
- 多模型与概率数据关联结合后的IMMPDA算法，主要要用于雷达数据处理，单目标的在杂波环境下的目标跟踪。 -Multiple model probabilistic data association IMMPDA algorithm to be used for radar data processing, target tracking of a single target in clutter environment.
Iterated_Multiple_Particle
- 2011年IEEE T.的关于迭代多重粒子滤波器提高追踪性能的经典，请大家分享-2011 IEEE T. iterative multiple particle filter to improve the tracking performance of the classic, please share
IMM
- IMM算法，用于机动目标的精确跟踪和定位，该模型集考虑了三种典型子模型:CV,CT,CA.-interacting multiple model (IMM) code for target tracking
redmine
- Redmine 是一个开源的、基于Web的项目管理和缺陷跟踪工具。它用日历和甘特图辅助项目及进度可视化显示。同时它又支持多项目管理。Redmine是一个自由开放 源码软件解决方案，它提供集成的项目管理功能，问题跟踪，并为多个版本控制选项的支持。-Redmine is an open source, Web-based project management and defect tracking tool. It visual display with calendar and Gantt cha
ObjTrace
- 进行多运动物体跟踪，可以识别多个物体并进行跟踪-Multi-moving objects tracking, multiple objects can be identified and tracked
MultifacesTrackingBasedOnCamshift
- 基于CAMSHIFT的多个人脸的跟踪程序，配置环境为VC6.0+OPENCV1.0-The configuration environment VC6.0+OPENCV1.0 based on the multiple faces CAMSHIFT tracking program
MHT
- 程序对多目标跟踪进行了仿真，运用的是多假设模型-Procedures for multi-target tracking simulation, the use of multiple hypothesis model
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
todoyu_2-3-0
- todoyu是一个PHP开源的任务/项目管理系统，时间跟踪和协作开发应用程序。它拥有一个流行的Ajax操作界面，在每个项目上都可以有用户和客户。在todoyu中，项目被分成带子任务的多个里程碑并分配给用户。每个任务发费的时间将被记录。 todoyu 2.3 为所有内容增加了扩展宽度，对表单域进行即时的数据验证，支持SMTP帐号，对过期条目以醒目图标指示，项目表单中的公司名支持自动完成，评论的新外观等等。-todoyu is a PHP open source task/project
redmine-v2.2.3.tar
- Redmine 是一个开源的、基于Web的项目管理和缺陷跟踪工具。它用日历和甘特图辅助项目及进度可视化显示。同时它又支持多项目管理。Redmine是一个自由开放 源码软件解决方案，它提供集成的项目管理功能，问题跟踪，并为多个版本控制选项的支持。虽说像IBM Rational Team Concert的商业项目调查工具已经很强大了，但想坚持一个自由和开放源码的解决方案，可能会发现Redmine是一个有用的Scrum和敏捷的选择。 由于Redmine的设计受到Rrac的较大影响，所以它们的软件包有很
MilTrack_matlab_v1.0
- MATLAB demo for paper "Visual Tracking with Online Multiple Instance Learning" by Boris Babenko, Ming-Hsuan Yang, Serge Belongie ,CVPR 2009, Miami, Florida. -MATLAB demo for paper "Visual Tracking with Online Multiple Instance Learning" by Bori
sadasuanfa
- 跟踪领域三大经典算法，PNLearning，Ross_IncrementalTracking_ijcv，Visual Tracking with Online Multiple Instance Learning-Three classical algorithm tracking field, PNLearning, Ross_IncrementalTracking_ijcv, Visual Tracking with Online Multiple Instance Learning
OnlineMilBoost
- 用多例学习进行鲁棒性追踪-主要是对Robust Object Tracking with Online Multiple Instance Learning论文中算法的改进（参考其中的源码）-Multi-case study conducted with robust tracking- mainly for Robust Object Tracking with Online Multiple Instance Learning Algorithm paper (reference the s
imagetargets-2-5-8
- 高通增强现实 The Image Targets sample shows how to detect an image target and render a simple object on top of it. The sample code shows how to do the following: Enable the simultaneous detection and tracking of multiple targets Create, load, and
LOT_Source
- 目标跟踪第t帧图像，目标特征，噪音参数，粒子窗口 1. 在第一帧选定跟踪区域，将图像由rgb转成hsv，计算目标的特征模型； 2. 初始化粒子，用超像素计算粒子的特征； 3. 通过emd计算粒子所在位置区域特征计算与目标特征的相似度； 4. 根据emd计算粒子的权重，归一化权重，新的目标位置是所有粒子的位置和权重乘积的和； 5. 建立新目标的特征模型，计算emd。 6. 更新噪音参数； 输出：目标位置，更新参数，新的粒子窗口 -Multiple Object Tr