搜索资源列表
基于混合高斯背景建模算法
- 该代码可以用于实现基于混合高斯背景建模的运动检测，该算法计算量较大，运行时间较长！
单高斯背景建模opencv
- 单高斯背景建模opencv
基于openCV得高斯背景模型提取。需要openCV，内置测试视频
- 基于openCV得高斯背景模型提取。需要openCV，内置测试视频
基于运动目标轮廓的帧差法背景提取
- 基于运动目标轮廓的帧差法图像背景提取
基于kalman滤波器建立背景模型
- 基于kalman滤波器对背景进行建立模型
背景建模检测运动物体
- 利用背景建模检测运动物体。
背景减除法-三帧法-高斯背景建模法运动检测-VC
- 背景减除法-三帧法-高斯背景建模法运动检测-VC
叛逆的鲁鲁修桌面背景
- 优秀的背景桌面
ppt背景图片
- 很全的ppt背景哦，很方便很好用。。。
project.rar
- 多目标跟踪的matlab代码，其中背景差分法可以实现实时更新。该代码在检测与跟踪少量目标时效果很好,但是跟踪目标大于8后,效果下降很多。,Multi-target tracking matlab code
混合高斯背景建模用于检出背景
- 混合高斯背景建模用于检出背景，并提取前景，在OPENCV环境下操作进行的。是数字图像处理领域不可缺少的一种处理方式。OPENCV库里含有的函数在数字图像中的作用都是不可获取的，用起来简单又便捷，建议OPENCV从头认真学起-Gaussian mixture background modeling for the detection of background and foreground extraction, OPENCV environment in the operation. The f
利用OPENCV來實現高斯混合模型的背景相減
- 利用OPENCV來實現高斯混合模型的背景相減，可看到當前影像、前景及背景-OPENCV to achieve using GMM background subtraction, we can see the current image, foreground and background
frame_difference.用matlab实现的动态目标检测程序
- 用matlab实现的动态目标检测程序，背景减除法,Using matlab to achieve a dynamic target detection procedures, background subtraction method
extended_tooltip.zip 可以修改背景、字体颜色、延迟时间的tooltip控件
- 可以修改背景、字体颜色、延迟时间的tooltip控件，还可以多行显示，可以跟随鼠标小范围移动,The tooltip that can change background , font color and the delay time, it also can display multiple lines and move by mouse
ccolorstaticst.zip 有背景颜色的静态控件
- 有背景颜色的静态控件,The static control which has background color
cvbgfggaussmix.rar
- 混合高斯模型，用于背景建模的程序，使用时请安装OPENCV,Gaussian mixture model for background modeling procedure, the use of when you install OPENCV
Tracking.zip
- 完整的PTZ跟踪算法，包括背景建模，运动目标提取，运动目标大小估计以及跟踪。,Complete PTZ tracking algorithm, including background modeling, moving object extraction, moving object and track size is estimated.
EKF.rar
- 扩展卡尔曼滤波算法，应用很多，换个背景就可应用，有点基础就下载，本程序已删掉背景。,Extended Kalman filter algorithm, the application of a lot can change in the context of applications, a little foundation on the download, the procedures have been deleted from the background.
GMM.rar
- 混合高斯建模是背景建模中的一种经典方法，对复杂背景具有较好的适应性！,Gaussian mixture modeling is modeling in the context of a classical method, the complex has better adaptability background!