搜索资源列表
fruit-recognition
- 水果分类 fruit recognition 运行demo即可 这个程序主要是通过对训练样本中的三幅图像提取的颜色信息建立混合高斯模型，然后对目标图像进行测试。 在demo最后一段中，可以替换‘t1.jpg’，以便进行不同图片的识别。 程序运行过程比较慢，请耐心等待。 运行结果是蓝色点聚集的区域是属于橘子的。- fruit recognition
gaussian_avi
- 读入avi,利用混合高斯模型，检测出运动的前景和背景信息。VS2008+opencv2.4.3-Read into avi, Gaussian mixture model to detect the movement of the foreground and background information. VS2008+opencv2.4.3
BLkg19
- Visual C++ 中对视频基于混合高斯模型的目标检测-Gaussian mixture model-based target detection
tracking
- 视频的运动目标跟踪，目标可自行框定选择。采用MeanShift、纹理特征及混合高斯模型等融合的方法。目标跟踪效果非常好，尤其运动速度较快情况，以及人物间遮挡情况。-Video moving target tracking, the goal of self-framed choice. Of MeanShift, texture feature and mixed Gaussian model fusion method. Target tracking performance is very
mixture_of_gaussians
- 基于改进混合高斯模型的方法进行初始背景的建模及背景更新-Improved Gaussian mixture model-based approach, the initial background modeling and background updates
EM-suanfa-hunhegaosi
- em算法计算混合高斯模型的参数估计，极大似然，EM算法用于K均值问题的参数估计。MATLAB实现有代码-em algorithm Gaussian mixture model parameter estimation, maximum likelihood parameter estimation for K-means problem EM algorithm. MATLAB implementation code
hunhegaosi
- 针对智能交通系统中运动目标检测阶段存在的不足，提出了一种基于自适应混合高斯模型（ＧＭＭ）的改进算法。-For the deficiencies of the intelligent transportation system moving target detection stage, an improved algorithm based on adaptive Gaussian mixture model (GMM).
GMM
- 是opencv 混合高斯模型的原函数，并进行了修改可以实现前景提取并进行背景建模-opencv GMM
GMM
- GMM（混合高斯模型）matlab代码，代码中有详细的代码说明。同时还包含一个例子。-GMM (GMM) Matlab code, the code has a detailed descr iption of the code. Also contains an example.
gausstrack
- 利用混合高斯模型进行运动跟踪的源代码，vc++和opencv，需要有摄像头支持。-The use of Gaussian mixture model motion tracking the source code vc++ and opencv, camera support.
mixture-gaussian
- opencv混合高斯模型实现的理论基础,比较有参考价值-The theory of the mixture gaussian model in opencv
gaussbackground
- 混合高斯模型，前景检测，效果比较好，里边有运行的效果图片以及进行检测的视频-Gaussian mixture model, the prospect of testing, the results were quite good, running inside the effect of pictures and video test
The-moving-target--
- 研究了基于混合高斯模型的运动目标检测技术,在分析了混合高斯模型的基本原理的基础上,使用了一种 改进的混合高斯模型更新算法 -Studied based on Gaussian mixture model of moving target detection technology, the analysis of the basic principles of Gaussian mixture model based on the use of an improved algorithm
person-detection
- 采用混合高斯模型和codebook分别进行背景建模，实现行人检测-person detection, GMM and codebook
GMM
- GMM混合高斯模型的c++实现和文档介绍。-GMM Gaussian mixture model c++ implementation and documentation describes.
gaosi
- 针对现有运动目标检测算法不能很好去除阴影的问题, 在利用混合高斯模型进行目标检测的基础上, 提 出了一种有效的阴影抑制算法。该算法充分考虑了系统噪声和背景模型误差, 并用高斯分布的方差信息估计背景模 型误差, 然后用误差估计值来修正阴影模型, 进而实现阴影抑制。实验结果表明 该阴影抑制算法不受光线强弱、 图像质量、目标大小的限制, 具有较强的适应性, 可以更有效的抑制阴影对运动目标检测的影响。-algorithm h
D1052022
- 基于混合高斯模型的新型目标检测系统 论文-Gaussian mixture model based on a new target detection system
gaosi
- 使用k均值的算法实现混合高斯模型参数的初始化并将多余高斯分布去（彩色图像）-The k-means algorithm using Gaussian mixture model parameter initialization and go the extra Gaussian distribution (color image)
5
- 了适应跟踪过程中目标光照条件的变化，并对目标特征进行在线更新，提出一种将局部二元模式(LBP) 特征与图像灰度信息相融合，同时结合增量线性判别分析对目标进行跟踪的算法．跟踪开始前，为了获得比较准确的目标描述，使用混合高斯模型和期望最大化算法对目标进行分割；跟踪过程中，通过蒙特卡罗方法对目标区域和背景区域进行采样，并更新特征空间参数．得到目标和背景的最优分类面；最后使用粒子滤波器结合最优分类面对目标状态进行预测．通过光照变化的仿真视频和自然场景视频的跟踪实验，验证了文中算法的有效性．-Trac
GMMtest
- 混合高斯模型，用于多模态场景中的背景前景检测，还特意实现了RGB前景目标的显示，用vs2010+opencv2.3.0开发-Used for background modeling, the gaussian mixture model can display the backgrounds, prospects. Can be used for multimodal,