搜索资源列表
bgd-2.cpp.tar
- This is a background subtraction program using GMM method. It uses a webcam.
mixture_of_gaussians
- 混合高斯模型使用K（基本为3到5个） 个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。-training video with GMM model ,then get the background,and store the picture in your computer.
emvisi2.tar
- Implementation of Julien Pilet s paper, GMM method for video background detection, robust to sudden light change.
GM_EM
- 不错的GM_EM代码。用于聚类分析等方面。- GM_EM- fit a Gaussian mixture model to N points located in n-dimensional space. Note: This function requires the Statistical Toolbox and, if you wish to plot (for k = 2), the function error_ellipse Elem
GrabCut
- 实施GRABCUT源代码 由贾斯汀塔尔博特jtalbot@stanford.edu 。 放置在公共领域， 2010年 代码最后更新：2006年 弗拉基米尔·洛夫（ vnk@cs.cornell.edu ） ， 2001年使用GRAPHCUT实施。 要求： OpenGL的， GLUT和OpenCV的库来编译和运行。 用法： grabcut.exe <ppm文件名 使用鼠标拖动矩形围绕前景部分显示的图像。 然后使用下面的按键
GrabCut
- GrabCut实现源代码 贾斯廷·塔尔博特,jtalbot@stanford.edu 放置在公共领域,2010 代码最后更新,2006 使用Graphcut实现弗拉基米尔• 柯尔莫哥洛夫(vnk@cs.cornell.edu),2001。 要求:OpenGL,供过于求,OpenCV库来编译和运行。 用法:grabcut。 exe < ppm文件名> 使用鼠标拖动矩形在前台部分的显示图像。 然后使用以下键 1 :显示图像 “2”:显示
ImageMatting
- 图像处理ImageMatting的实现。主要思路是： 1）手工交互的给出一个前景区域的包围盒。 2）根据当前的前景和背景分割结果，分别估计前景和背景的GMM模型 3）用GraphCut算法进行分割 对上述2），3）两步进行迭代，得到比较好的分割结果 （分割-->估计前景背景-->分割） 4）matting-Image processing ImageMatting achieved. The main idea is: 1) gi
matrixmog
- GMM高斯混合模型法提取前景，利用中值法提取初始背景，用矩阵代替循环，提高实时性。-GMM Gaussian mixture model extraction prospects, initial background extraction using median method, using a matrix instead of circulation, improve real-time.
Video-based-traffic-statistics
- 在整个实现过程中，背景建模是核心，采用基于高斯混合模型的背景建摸方法。-Throughout the implementation process, background modeling is the core, built on the background of GMM touch method.
MOG2_OPENCV2.4.9
- 经典背景减除方法，MOG2(或GMM)，从opencv2.4.9中单独提取出来的，经过实验调试通过的，可同其他背景减除方法结合或对比。-It is a typical background subtraction mathod, which is OpenCV 2.4.9. It was proposed by Zivkovic in 2014ICPR and proved effective.
OneCutWithSeeds_v1.03
- one cut 算法是微软研究院发表的一篇关于前背景图像分割论文，用户只需简单地交互，即可快速分割前背景，代码比较清晰，内部graph cut和gmm等一些算法可以拿来学习或借鉴。-one cut algorithm is the Microsoft Research published a paper on the front background image segmentation, the user simply interact, you can quickly split befor
W5
- 视频帧序列实现基于GMM（高斯混合模型）的背景建模-Video frame sequence implementation based on GMM (Gauss mixture model) background modeling
背景差GMM
- opencv，vs2010 利用混合高斯模型，得到运动前景，与静态背景(Opencv and VS2010 use hybrid Gauss model to obtain motion foreground and static background)
高斯混合模型GMM-latentSpace-v2.0
- 用于背景建模实现视频运动目标分割 与目标跟踪算法(For background modeling, video moving object segmentation and object tracking algorithm)
57942
- extracts foreground from background()
GMM
- 一种较好的背景减除算法，可以提取运动物体的前景图像，并能较好进行运用(Background subtraction algorithm)
gmm
- background subtraction using kmeans and gmm
gmm(2)
- 基于码本（codebook）的背景建模的背景差分法+级联基于LBK或haar的adaboost和基于hog的svm分类器+快速hough圆变换进行人头识别(Background modeling based on codebook (codebook) background difference method + cascade based on LBK or Haar AdaBoost and hog based SVM Classifier + fast Hough circle trans
automatic_image_segement
- 本文以k-means算法为背景，引入信息熵相关知识，从而实现全自动分割图像。然而在利用混合高斯模型对图像进行数据分析时，会发生一定的过拟合现象，导致我们得不到预期的聚类数目。本文设计合理的合并准则，令模型简化，有效地消除过拟合现象，使得最后得到的聚类数目与预期符合。，设计合理的准则改进了图像的全自动分割方法，使得分割结果更加优化(In this paper, k-means algorithm is used as the background, and information entropy