搜索资源列表
face-detective
- 人脸图像中，眼镜遮挡对于人脸检测会有很大的影响，在可见光下采集图像将会由于眼镜的反光及框架的遮挡造成的人脸特征变化而不易检测，而眼睛及其周边特征又是人脸图像识别中十分重要的识别因素，考虑到这个问题，本题决定对人脸图像中的眼镜进行检测并消除，从而清楚的检测出消除眼镜后的人脸图像。-Face images, shutter glasses for a great impact face detection will, who capture images in visible light will
face-image
- 人脸图像中，眼镜遮挡对于人脸检测会有很大的影响，在可见光下采集图像将会由于眼镜的反光及框架的遮挡造成的人脸特征变化而不易检测，而眼睛及其周边特征又是人脸图像识别中十分重要的识别因素，考虑到这个问题，本题决定对人脸图像中的眼镜进行检测并消除，从而清楚的检测出消除眼镜后的人脸图像。-Face images, shutter glasses for a great impact face detection will, who capture images in visible light will
Estimation-of-Eyeglassles
- 人脸图像中，眼镜遮挡对于人脸检测会有很大的影响，在可见光下采集图像将会由于眼镜的反光及框架的遮挡造成的人脸特征变化而不易检测，而眼睛及其周边特征又是人脸图像识别中十分重要的识别因素，考虑到这个问题，本题决定对人脸图像中的眼镜进行检测并消除，从而清楚的检测出消除眼镜后的人脸图像。-Face images, shutter glasses for a great impact face detection will, who capture images in visible light will
gerber
- 了提高基于视频的火灾检测的准确性和实时性，提出了一种综合色彩特性分析和闪烁特性分析的火灾检测方 法。首先在获取帧差视频图像的基础上，通过对HSI 色彩空间中的色彩特性分析提取帧差图像中的火焰候选区域；在此基础 上引入离散傅立叶变换分析火焰候选区的频率变化来确定是否存在火灾；最后通过时间累计方法给出火灾报警的可信级 别。实验结果表明，该方法具有较好的可靠性、鲁棒性和运行效率。-It is so hard for me to translate .all right
face-recognition
- 人 脸识别技术分 4 个方面：(1)皮肤检测 ，在 图像 中寻找出人 脸 区域，也可 以说是将图像中的背景和人的肤色进行分 离；(2)人脸规范化，即校正人脸在尺度、光照和旋转等方 面的变化；(3)特征提取 ，从人脸图像中映射提取～组能反 映人脸特征的数值表示样本；(4)特征匹配，将待识别人脸 与数据库中的已知人脸比较，得出相关信息。-people face recognition
fall-detection
- 图像处理论文，关于跌倒检测与识别，分析跌倒过程中目标特征变化，判断跌倒状态。-Image processing papers, on the fall detection and identification, analysis falls during the target characteristic change judging fall state.
0000face
- 针对光照变化对人脸检测及人眼定位的影响 ， 提出一种基于肤色模型的人脸检测与人 眼定位方法 ． 先对图像进行预处理 ， 减少图像中的噪声 ； 再将 ＲＧＢ 颜色空间转化到具有良好 肤色聚类特性的 ＹＣｂＣｒ 色彩空间 ， 利用 Ｇａｕｓｓ 模型进行肤色建模 ； 最后检测出人脸区域并确 定人眼位置 ． -The influence of illumination changes on human fa
Background-difference-method
- 背景差分法是采用图像序列中的当前帧和背景参考模型比较来检测运动物体的一种方法,其性能依赖于所使用的背景建模技术。背景差分法检测运动目标速度快，检测准确，易于实现，其关键是背景图像的获取。在实际应用中，静止背景是不易直接获得的，同时，由于背景图像的动态变化，需要通过视频序列的帧间信息来估计和恢复背景，即背景重建，所以要选择性的更新背景。-Background difference method is the use of images in the sequence of the current
edge_detect
- 边缘检测 边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。 这些包括（i）深度上的不连续、（ii）表面方向不连续、（iii）物质属性变化和（iv）场景照明变化。-Edge Detection
MATLAB
- 实验2绿叶变色，实验3图像数字化显示，实验4图像类型转换，实验5对比度增强，实验6直方图均衡化和规定化，实验7噪声添加和空域滤波，实验8边缘增强和边缘检测，实验9彩色图像增强，fft，dct，dwt变化及压缩，滤波器，实验20运动退化和维纳波复原，实验21图像的几何畸形校正等实验的代码和报告-Experiment 2 leaves change color, 3 digital image display, the image type conversion, 4 5 contrast enha
kalman-track
- 文中提出了一种基于kalman 预测和自适应模板的目标相关跟踪算法。通过kalman 预测下一帧图像中目标的 状态，缩小整个图像上目标检测的搜索范围，满足目标跟踪的实时性。采取自适应模板更新策略，根据目标的变化情 况自动调节参考模板，提高目标跟踪的稳定性。仿真实验结果表明，算法能够随着目标的形状、大小、位置的变化快速 调整参考模板，进行稳定和实时的跟踪，当目标被物体遮挡时仍能有效地跟踪目标。-A correlation-based tracking algorithm based o
edge
- 有效的边缘检测代码，涉及到图像灰度变化，二值化等-Effective edge detection code, involves the image gray, binarization and so on
Robust_Face_Landmark
- 在现实世界条件下获取人脸存在较大的变化在形状和遮挡由于不同在姿态、表情、附属品的使用，例如，太阳镜和帽子以及与目标体（e.g. 食物）的交。当前的人脸界标估计方法在这种条件下努力但由于缺乏一种有效的理论方法用于处理局外点。我们提供了一个新奇的方法，称为Robust Cascaded Pose Regression (RCPR)，通过检测显式的遮挡且使用鲁棒的形状索引的特征可以减少exposure对于局外点。我们证明RCPR改进先前的界标估计方法在3个通用的人脸数据集上(LFPW, LFW and
ImgHOGFeature
- HOG特征计算，（1）将输入的彩图转换为灰度图； （2）采用Gamma校正法对输入图像进行颜色空间的标准化（归一化）；目的是调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响，同时可以抑制噪音的干扰； （3）计算梯度；主要是为了捕获轮廓信息，同时进一步弱化光照的干扰。 （4）将梯度投影到单元的梯度方向；目的是为局部图像区域提供一个编码， （5）将所有单元格在块上进行归一化；归一化能够更进一步对光照、阴影和边缘进行压缩，通常，每个单元格由多个不同的块共享，但它的归一化是基于不同块的
vibe
- ViBe是一种像素级视频背景建模或前景检测的算法，效果优于所熟知的几种算法，对硬件内存占用也少。 不仅减少了背景模型建立的过程，还可以处理背景突然变化的情况，当检测到背景突然变化明显时，只需要舍弃原始的模型，重新利用变化后的首帧图像建立背景模型。(a powerful technique for background detection and subtraction in video sequences)
canny
- 图像的边缘检测的原理是检测出图像中所有灰度值变化较大的点，而且这些点连接起来就构成了若干线条，这些线条就可以称为图像的边缘。(The principle of edge detection of an image is to detect all the changes in the gray value of the image, and these points are connected to form a number of lines, these lines can be calle
边缘提取
- 边缘提取：边缘检测的基本思想首先是利用边缘增强算子，突出图像中的局部边缘，然后定义象素的“边缘强度”，通过设置阈值的方法提取边缘点集。由于噪声和模糊的存在，监测到的边界可能会变宽或在某点处发生间断。因此，边界检测包括两个基本内容： （1）用边缘算子提取出反映灰度变化的边缘点集。 （2）在边缘点集合中剔除某些边界点或填补边界间断点，并将这些边缘连接成完整的线。(Edge extraction: the basic idea of edge detection is to use edge en
PCA_classifier_version1b
- 许多图像问题需要某种物体的检测，其中图像之间的物体的外观有自然的变化。 如人脸识别，病变检测，神经通道分割。 这些图像问题可以通过手动注释图像对象来解决，以训练识别正常物体外观的模型。 这可以通过基于PCA的最大似然分类器来完成。(PCA algorithm suitable for detection / recognition of 2D image "objects")
改进的canny
- Canny 算法包含许多可以调整的参数，它们将影响到算法的计算的时间与实效。 高斯滤波器的大小:第一步所用的平滑滤波器将会直接影响 Canny 算法的结果。较小的滤波器产生的模糊效果也较少，这样就可以检测较小、变化明显的细线。较大的滤波器产生的模糊效果也较多，将较大的一块图像区域涂成一个特定点的颜色值。这样带来的结果就是对于检测较大、平滑的边缘更加有用，例如彩虹的边缘。 阈值:使用两个阈值比使用一个阈值更加灵活，但是它还是有阈值存在的共性问题。设置的阈值过高，可能会漏掉重要信息;阈值
时间序列分析——基于R（第2版）习题数据
- 时间序列分析r语言练习数据。时间序列分析(Time-Series Analysis)是指将原来的销售分解为四部分来看——趋势、周期、时期和不稳定因素， 然后综合这些因素， 提出销售预测。强调的是通过对一个区域进行一定时间段内的连续遥感观测，提取图像有关特征，并分析其变化过程与发展规模。当然，首先需要根据检测对象的时相变化特点来确定遥感监测的周期，从而选择合适的遥感数据。(Time series analysis is to decompose the original sales into fo