Advertisement

行人图像对象追踪

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：RAR

简介：
行人在视频中进行目标追踪,提供Matlab源代码文件,经过本人验证,程序可正常运行.同时附加了英文文献资料《Object Tracking and Velocity Determination using TMS320C6416T DSK》作为参考。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 关于行人和车辆等对象的多目标追踪方法
    优质
    本研究提出了一种先进的多目标跟踪技术，专门针对行人的车辆等动态对象，在复杂环境中实现了高效且精准的目标识别与持续追踪。 基于检测的多目标跟踪技术可以针对自定义类别进行训练和测试，并且能够实现实时效果。该算法使用Keras或Torch编码，逻辑清晰，并配有代码解析图，非常适合多目标跟踪初学者入门学习。
  • 海思35XX-KCF图象追踪
    优质
    海思35XX-KCF图象追踪技术采用先进的KCF算法，在视频监控和智能分析领域提供高效的物体跟踪解决方案，适用于多种复杂场景。 海思35XX-KCF图像跟踪技术主要用于实现高效的视频目标追踪功能。该技术结合了先进的计算机视觉算法与硬件优化设计，能够实现在资源受限的设备上进行实时、准确的目标识别及跟踪。通过采用KCF（Kernelized Correlation Filters）算法框架，它在保持较高精度的同时降低了计算复杂度，适用于多种应用场景如智能监控和机器人导航等。
  • 二值图像边界追踪-二值图像边界追踪.rar
    优质
    本资源提供了一种针对二值图像进行高效边界的追踪算法源代码。通过递归或扫描线方法实现像素级别的精准定位，适用于图像处理与模式识别领域研究。 有人需要二值图像边界跟踪的代码，因此我编写了一段经过测试的代码供有需求的朋友参考。
  • 使用Python和OpenCV进行运动对象检测与追踪-附带资源
    优质
    本教程详解如何利用Python结合OpenCV库实现高效的运动对象检测与追踪技术，并提供相关学习资源。 使用Python和OpenCV可以实现检测和跟踪运动对象的功能。这种方法通常涉及图像处理技术来识别场景中的变化，并通过算法持续追踪这些动态元素的位置与移动轨迹。这在视频监控、自动驾驶车辆以及增强现实等领域有着广泛的应用价值。
  • OpenCV人脸追踪小项目——开启摄像头标记和追踪人脸位置
    优质
    本项目利用OpenCV库开发，实现通过电脑摄像头实时捕捉并标记人脸，动态追踪人脸位置，适合计算机视觉初学者实践。 一个使用OpenCV进行人脸跟踪的小项目。该项目的功能是打开摄像头并标出画面中的人脸位置以实现跟踪。项目包含源代码、haarcasecade_frontface_alt.xml分类器以及makefile文件和可执行文件。
  • Imagine WebAR - 图像追踪器 1.6.0.unitypackage
    优质
    Imagine WebAR-图像追踪器1.6.0.unitypackage是一款用于Unity引擎的WebAR插件，支持浏览器中通过图片识别技术实现增强现实交互体验。 Unity WebGL AR识别涉及在WebGL环境中实现增强现实功能的技术细节与挑战。这一过程通常包括使用特定的库或插件来支持AR功能，并确保这些技术能够在浏览器中流畅运行，无需安装额外的应用程序。开发者需要考虑性能优化和兼容性问题，以提供给用户最佳体验。
  • Android鹰眼行踪追踪
    优质
    Android鹰眼行踪追踪是一款专为安卓手机设计的位置监控应用，它能有效追踪和记录用户或其授权设备的行动轨迹，提供实时位置信息及历史路径回放功能。 Android鹰眼轨迹追踪实现类轨迹追踪功能，支持实时监控，并能上传自定义属性的轨迹点数据以及自定义entity属性。该系统可以用于追踪车辆、人员等各种运动物体，提供实时定位、轨迹追踪及存储查询等功能。具体效果请参考相关文档或示例。
  • C# 人脸识别与摄像头人脸追踪
    优质
    本项目利用C#编程语言开发的人脸识别软件，结合摄像头实时捕捉图像，实现精准的人脸检测、追踪及分析功能。 使用OpenCvSharp操作摄像头，并用虹软算法实现人脸追踪。程序已经编译好，可以直接运行。
  • 车辆行人追踪结果（DeepSort-YOLOv3）.zip
    优质
    本资源包包含基于DeepSort与YOLOv3算法实现的高效车辆和行人追踪代码及结果。适用于智能交通系统研究与开发。 deepsort-yolov3-车辆行人跟踪结果
  • 对象跟踪的自主无人机系统
    优质
    本项目致力于研发一种能够实现智能对象跟踪功能的自主无人机系统，该系统通过先进的图像识别技术和算法优化，能够在复杂环境中准确捕捉并追踪特定目标。 自主无人机进行对象跟踪的任务是开发一种能够自动追踪目标物体的无人驾驶飞行器。该无人机需要能够在受限运动条件下将目标保持在其视野中心，从而实现有效跟踪。 为了验证这一假设，在AirSim模拟环境中通过获取被跟踪对象（如Car）的实时位置来完成这项任务。尽管在实际应用中可能无法获得精确的位置信息，但这种方法有助于测试自动追踪算法的有效性。此外，利用计算机视觉和几何学技术可以在已知无人机高度、地平线及焦距的情况下从图像帧中估算目标物体的位置。 依赖项 - 张量流（TensorFlow） - OpenCV（可选） 安装说明: 通过执行以下命令克隆代码库： ``` git clone --recursive https://github.com/kshitiz38/autonomous_drone_for_tracking.git ``` 注意：如果未使用`--recursive`标志进行克隆，请手动运行下面的命令来更新子模块： ```shell git submodule update --init --recursive ```