点数信息
www.dssz.net
注册会员
|
设为首页
|
加入收藏夹
您好,欢迎光临本网站!
[请登录]
!
[注册会员]
!
首页
移动开发
云计算
大数据
数据库
游戏开发
人工智能
网络技术
区块链
操作系统
模糊查询
热门搜索:
源码
Android
整站
插件
识别
p2p
游戏
算法
更多...
在线客服QQ:632832888
当前位置:
资源下载
搜索资源 - KCF、OpenCV
下载资源分类
移动开发
开发技术
课程资源
网络技术
操作系统
安全技术
数据库
行业
服务器应用
存储
信息化
考试认证
云计算
大数据
跨平台
音视频
游戏开发
人工智能
区块链
在结果中搜索
所属系统
Windows
Linux
FreeBSD
Unix
Dos
PalmOS
WinCE
SymbianOS
MacOS
Android
开发平台
Visual C
Visual.Net
Borland C
CBuilder
Dephi
gcc
VBA
LISP
IDL
VHDL
Matlab
MathCAD
Flash
Xcode
Android STU
LabVIEW
开发语言
C/C++
Pascal
ASM
Java
PHP
Basic/ASP
Perl
Python
VBScript
JavaScript
SQL
FoxBase
SHELL
E语言
OC/Swift
文件类型
源码
程序
CHM
PDF
PPT
WORD
Excel
Access
HTML
Text
资源分类
搜索资源列表
空中写字与数字识别
使用说明:手动框出特定部位,使用KCF算法对其进行跟踪,绘出轨迹图案,再将手写图案送去分类器分类。该程序实现的分类器有opencv自带的knn、svm,以及用tensorflow实现的基于minst数据集训练出的cnn模型、softmax模型。文档包含训练模型所需的python代码。
所属分类:
C++
发布日期:2017-04-03
文件大小:80896
提供者:
hyk_1996
KCF跟踪Demo
利用KCF进行跟踪的demo。 KCF作者主页http://www.robots.ox.ac.uk/~joao/circulant/ 代码谨是对runtracker.cpp进行了修改,以便支持对视频和摄像头的跟踪,源代码是对图像序列的跟踪。 在Windows下编译代码的方式,参见http://blog.csdn.net/zhj_matlab/article/details/69945307
所属分类:
C++
发布日期:2017-04-06
文件大小:23068672
提供者:
zhj_matlab
目标跟踪算法KCF的 vs2010版 Windows、
这个是把kcf 编成了windows版本,vs2010 打开就行,注意opencv的环境配置。若有dirent.h文件找不到参考http://softagalleria.net/dirent.php
所属分类:
C++
发布日期:2017-04-07
文件大小:11534336
提供者:
iloveyouleehuijie
KCF跟踪demo1
作者主页:http://www.robots.ox.ac.uk/~joao/circulant/ 主要源码是从作者主页下载的,谨把输入从图片序列改成了视频和摄像头,并添加了OpenCV的dll,没有配置OpenCV的也一样可以运行。 源码编译和运行说明参看:http://blog.csdn.net/zhj_matlab/article/details/69945307
所属分类:
C++
发布日期:2017-04-25
文件大小:23068672
提供者:
zhj_matlab
python实现单目标、多目标、多尺度、自定义特征的KCF跟踪算法(实例代码)
单目标跟踪: 直接调用opencv中封装的tracker即可。 #!/usr/bin/env python3 # -*- coding: utf-8 -*- """ Created on Sun Jan 5 17:50:47 2020 第四章 kcf跟踪 author: youxinlin """ import cv2 from items import MessageItem import time import numpy as np ''' 监视者模块,负责入侵检测,目标跟踪 ''' c
所属分类:
其它
发布日期:2020-12-23
文件大小:72704
提供者:
weixin_38738005
opencv-cascade-tracker:使用Python在OpenCV中训练,检测和跟踪Haar级联-源码
训练,分类(Haar级联)和跟踪 使用Python在OpenCV中训练我们自己的Haar级联。 级联分类器具有多个过滤阶段。 使用滑动窗口方法,窗口内的图像区域会经过级联。 可以使用classifier.py脚本轻松地测试级联的准确性,该脚本可以获取单个图像,图像目录,视频和摄像机输入。 但是,我们也想跟踪我们的ROI(感兴趣的区域)。 这是因为(通过级联等)检测通常比较耗时且计算量大。 跟踪算法通常被认为不那么费力,因为您已经非常了解对象在ROI中的外观。 因此,在下一帧中,您将使用前一帧中的
所属分类:
其它
发布日期:2021-02-07
文件大小:16384
提供者:
weixin_42101384