rar文件

逆光度检测 评分:

基于灰度直方图的逆光度计算，可辅助判断所处光线环境。
2012-12-05 上传 大小：3KB
立即下载
pdf文件
视频监控系统施工方案.pdf

视频监控系统施工方案.pdf

立即下载
doc文件
[详细完整版]智能卡口系统.doc

1.7智能卡口系统 特点 1. 车辆感应方式：地感线圈、视频 具备灵敏度自动提升的车辆检测技术，灵敏度可调 ，可以有效检测高底盘车辆； 2. 车辆拍摄方式：连续抓拍, 能准确拍摄汽车特征图像,并在图像中标明汽车通行数据 ,如时间、地点、车速、行驶方向等，捕获准确率达99%以上。 3. 图像记录方式：硬盘关系型数据库存贮,每辆车分别按特写和全景存贮成两张照 片。 4. 图像处理与信息管理方式：数字化图像模糊识别与数据库管理。 5. 黑名单车辆实时检测、报警,并自动将报警信息传输到监控中心。 6. 嫌疑车辆甄别比对,牌照自动识别；系统具备对民用、警用、军用、武警等汽车 号牌计算机自动识别能力， 还能对牌照颜色加以区分,牌照识别准确率在95％以上。 7.在监控中心可以管理路口设备，包括路口机的时钟校正、运行参数设置、故障诊 断、识别字库调整等。 8. 提供方便的数据搜索与浏览等操作手段，能够远程进行各种常规操作和数据共享 ，还具备公安网络接入功能。 9.通过自主研制的摄像机控制系统，可以对摄像机的各种参数进行方便的自适应控 制，从而解决了车牌眩光、强光和逆光的问题； 10. 分类查询、统计、

立即下载
pdf文件
计算机视觉，图像逆光检测，图像处理，模糊函数，模糊集DETECTION AND COMPENSATION ALGORITHM FOR BACKLIGHT IMAGES

计算机视觉，图像逆光检测，图像处理，模糊函数，模糊集

立即下载
docx文件
摄像机检测报告

网络摄像机检测报告，可以帮助该行业研发人员和测试人员参考。

立即下载
pdf文件
视频监控系统施工方案(20211002054823).pdf

视频监控系统施工方案(20211002054823).pdf

立即下载
zip文件
基于OpenCV深度学习神经网络人脸模块（OpenCV DNN Face）的实时人脸识别python源码+项目说明.zip

【资源说明】 1、该资源包括项目的全部源码，下载可以直接使用！ 2、本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设项目，作为参考资料学习借鉴。 3、本资源作为“参考资料”如果需要实现其他功能，需要能看懂代码，并且热爱钻研，自行调试。 基于OpenCV深度学习神经网络人脸模块（OpenCV DNN Face）的实时人脸识别python源码+项目说明.zip 在OpenCV DNN Face模块推出之前，OpenCV实现人脸检测多数都是使用haar人脸特征检测，利用cv2.CascadeClassifier加载官方haar级联分类器即可实现人脸、眼睛、嘴部等的检测。这种方式操作简便快捷，但是在逆光、人脸侧对镜头等情况下，人脸检测效果大打折扣，检测准确度较低。 OpenCV4.5.4更新后，收录了一个基于深度学习神经网络的人脸模块，里面包含了人脸检测模型YuNet和人脸识别模型SFace。 在YuNet模型的加持下，OpenCV人脸检测准确度大幅度提升，在弱逆光、人脸侧对镜头的情况下也能准确检测出人脸，检测效率高，效果稳定。此外人脸识别模型SFace可以实现人脸特征提取和特征对比。 两个模型配合使用即可实现高质量的人脸检测。 本项目包含sample_collection.py和face_recognition.py两个程序，分别用于人脸样本采集和人脸识别。 images文件夹用于保存sample_collection.py运行后采集的人脸样本图片。 得益于SFace模型强大的人脸特征提取能力，本程序只需采集一张人脸样本图片即可实现人脸识别！！！ 在使用本项目的程序时，记得把程序中的文件路径换成你PC中的实际文件路径！！！

立即下载
rar文件
阳光人脸识别SDK系统

阳光人脸识别SDK简介 一、二次开发包兼容性信息 1.二次开发包平台：Windows，源码虽用VC编写，但未用GDI及第三方图库,故可易于移值到LINUX。 2.二次开发包界面：SunLightFace.DLL,标准Windows API调用，附详细说明书。 3.二次开发包支持语言。VC,VB,DELPHI,C#。 4.二次开发包版本分类：主动识别可见光版（即本网页所介绍），被动识别可见光版，主动识别红外版。 5.作者能为SDK客户提供除SDK技术支持以外的二次开发技术支持，也可合作开发新项目。 二、二次开发包附加功能： 1.赠送USB视频开发包。让VB,C#也能轻松使用USB摄像头。 2.动态模板更新，命中模板更新，活体识别。 3.眼镜识别，人鼻定位，人嘴定位，人脸边界计算，人脸倾角计算。 三、人脸检测性能指标 1.角度范围：上仰30度，下俯30度，左侧30度，右侧30度，平面旋转60度。 2.光照范围：太阳光，室内光，暗室，逆光。 3.肤色范围：黄色人种，白色人种，棕色人种，黑色人种，女士化妆。 4.其它支持：模糊照片，变色照片，褪色照片，戴眼镜，戴帽。 5.图像大小：最大1280*1280，推荐320*240，类型：BMP/JPG。最多可从一张图像中检出32张人脸。 6.人脸大小：最小眼距8像素，最大眼距200像素，推荐最佳眼距40像素。 7.人脸检测正确率：(1500张像片随机测试):99.5%,其中误识率0.01%,漏识率0.04%。 8.人脸检测速度：图像大小320*240,CPU:P4 2.4GHZ,平均速度<200ms/张。 四、人脸识别性能指标 1.1C1速度：图像大小320*240,CPU:P4 2.4GHZ 小于1秒，（与库内总人数无关）。 2.1CN速度：图像大小320*240,CPU:P4 2.4GHZ 在500模板库中进行1选，小于1秒；在1500模板库中进行1选 小于2秒。 3.2GB内存时最大模板容量10万(10万以上将减慢速度)，支持数据库ACCESS,SQLSERVER，推荐个人模板数：5-10。

立即下载
pdf文件
C3906ES 系列摄像机解决方案 C20-DW

C3906ES 系列摄像机解决方案 Cámara analógica Día/Noche con rango dinámico amplio de la Serie C20-DW CCD DE 8,5 MM (1/3 DE PULGADA), 650 TVL CON ALTA SENSIBILIDAD, FUNCIONAMIENTO GENUINO EN DÍA/NOCHE (ICR), RANGO DINÁMICO AMPLIO (WDR)

立即下载
docx文件
7 寸测温人脸识别门禁一体机、可壁挂可通道闸机安装.docx

。

立即下载
pdf文件
室内夜间微弱光源下运动目标检测和阴影去除

提出一种新的室内夜间微弱光源照明情况下的运动目标检测方法。首先进行背景建模, 获取稳固的背景图像, 之后对背景和当前帧图像进行图像增强处理, 提高其清晰度; 采用相对背景减法检测前景运动目标, 并对差分图像进行去噪和修补; 利用前景目标区域、阴影区域和背景区域像素亮度值存在差异的特点, 检测和去除背景差分图像中可能存在的阴影, 获得准确的运动目标。在室内夜间环境下采集视频进行试验, 结果验证了所提方法的有效性。

立即下载
docx文件
陕西省宝鸡市2021届高三下学期高考模拟检测（二）文科综合地理试题 Word版含答案.docx

陕西省宝鸡市2021届高三下学期高考模拟检测（二）文科综合地理试题 Word版含答案.docx

立即下载
pdf文件
四像限光电探测器的逆光路模型

讨论了探测器的观测空间转换问题。介绍了一种用神经网络建立的从电信号特征参数到光路参数的光路反模型的方法。根据四像限光电探测器的两路输出信号在过零点附近时间段的逼近直线的斜率和截距与光电探测器的三自由度安装位置,以及探测器光敏面的离焦量的特殊关系,建立了称之为模型1的四像限光电探测器光路逆模型。同时以探测器特定时刻输出电压作为观测量,建立了称之为模型2的探测器光路逆模型。并以探测器光敏面的离焦量为例,给出了两个模型的实测值和模型1的重复性测试值。重复性测试值表明,模型1的最大重复测试误差只有0.015 mm。实测结果证明,模型1的检测精度可以达到微米级,而用探测器特定时刻输出电压建立的逆模型的检测精度只能达到毫米级,这证明用探测器输出信号过零点附近时间段的逼近直线参数作为观测信号优于用输出信号特定时刻电压作为观测信号。

立即下载
zip文件
果蔬多类别实例分割数据集.zip

数据集介绍：果蔬多类别实例分割数据集 数据集名称：果蔬多类别实例分割数据集 数据规模： - 训练集：6,154张真实农业场景图片 - 验证集：1,545张标注图片 目标类别： 苹果(apple)、香蕉(banana)、甜椒(bell-pepper)、西兰花(broccoli)、卷心菜(cabbage)、哈密瓜(cantaloupe)、胡萝卜(carrot)、无花果(common-fig)、黄瓜(cucumber)、葡萄(grape)、橙子(orange)、菠萝(pineapple)、石榴(pomogranate) 标注特性： - YOLO格式多边形标注，支持实例分割与目标检测双任务 - 包含复杂形态标注（如菠萝冠芽、石榴籽区等细节特征） 农业自动化分拣： 训练AI模型精准识别水果形态特征，适用于自动化分拣产线的异物检测、品质分级等工业场景。 田间监测系统： 支持开发无人机巡检系统，实时识别作物成熟度并统计植株分布密度，提升精准农业管理水平。 农产品溯源： 通过标准化外观特征识别，辅助构建从种植到零售的全链条品质追溯系统。 农业科研： 为表型分析、产量预测等农业AI研究提供高质量标注数据，加速算法在复杂自然环境中的落地应用。 形态完整性标注： 所有样本包含完整轮廓标注，保留果柄、叶片等关键细节，支持模型学习作物完整生物特征。 真实场景覆盖： 包含阴天/逆光环境、枝叶遮挡、果实堆叠等实际农业场景，确保模型强泛化能力。 跨任务兼容性： 标注数据同时支持目标检测（边界框提取）和实例分割（像素级定位），满足不同精度需求。 行业适配性强： 涵盖13种全球主流经济作物，特别包含哈密瓜、石榴等高价值作物的稀缺标注数据。

立即下载
pdf文件
皓维硬盘录像机技术参数.pdf

皓维硬盘录像机技术参数.pdf

立即下载
doc文件
人脸识别测试维度定义——测试维度

No 测试维度 说明 截图示意 1 男性检测 √清秀脸 蓄胡须 长短发 叼烟 年龄 肤色 2 女性检测 长短发、刘海 年龄 肤色 面霜（不化妆、淡妆、浓妆） 眉毛（不化妆、淡妆、浓妆） 口红（不化妆、淡妆、浓妆） 腮红（不化妆、淡妆、浓妆） 3 眼镜检测 √眼镜框大小框 镜片透明、茶色、黑色 镀膜眼镜（有一定反光效果） √眼镜框金属材质、塑料材质 4 口罩检测 √正常佩戴 √露出鼻子 √露出嘴部 5 异常光线检测 亮光（强、弱） √暗光（强、弱） 逆光 彩光 6 大角度检测 √横向0~180度 √纵向0~180度 √斜向0~180度 7 丰富表情检测 √大笑 √微笑 √大哭 √微哭 √撇嘴 √惊讶 8 遮挡检测-横向遮挡 √遮挡一只眼睛 √遮挡鼻子 9 遮挡检测-上部遮挡 √半鼻遮挡 √全鼻遮挡 10 遮挡检测-下部遮挡 （遮挡物可不同） √下唇部遮挡 √嘴部遮挡 √半鼻遮挡 √全鼻遮挡 √眼睛遮挡 11 假脸检测-猿类 √猿类 √非猿脸 √卡通类 √玩具类 12 多人脸墙

立即下载
rar文件
C#实现摄像有调用且对画面进行各种处理(源码)

C#实现摄像有调用且对画面进行各种处理,对亮度,对比度,清晰度,逆光,曝光等进行操作

立即下载
zip文件
多类别野生动物目标检测数据集.zip

多类别野生动物目标检测数据集 数据集名称: 多类别野生动物目标检测数据集 图片数量: - 训练集：4,798张图片 - 验证集：347张图片 - 测试集：262张图片 分类类别: - Coyote（郊狼）: 北美地区常见的中型掠食动物 - Deer（鹿）: 广泛分布的草食性动物 - Raccoon（浣熊）: 具有夜行习性的杂食性动物 - Turkey（火鸡）: 农业与野外生态中的重要禽类 标注格式: YOLO格式，包含归一化坐标与类别标签，适用于目标检测模型训练 数据特征: 包含航拍、地面监控等多种视角的动物活动影像，覆盖昼夜不同时段场景 农业保护区监控: 检测入侵农场的野生动物（如鹿、浣熊），帮助构建智能防护系统，减少作物损失 生态研究支持: 用于野生动物种群分布研究，通过AI自动统计特定区域动物种类与数量 自然保护区管理: 集成至红外相机等监测设备，实现濒危物种（如郊狼）的实时识别与追踪 智能安防系统开发: 训练识别住宅区周边野生动物（如浣熊、火鸡）的预警模型，防范潜在风险 高场景覆盖率: 包含空中监测与地面监控视角，覆盖森林边缘、农田交界带等典型生态过渡区域 精准标注体系: 严格遵循YOLO标注规范，边界框与动物姿态高度匹配，支持小目标检测优化 行为多样性: 捕捉动物行走、觅食、群体活动等行为状态，提升模型场景适应能力 环境适配性: 包含不同光照条件（逆光/阴影）与复杂背景（植被遮挡）的检测挑战样本 工业级数据规模: 超5,000张标注图片满足工业级模型训练需求，支持高精度目标检测算法开发

立即下载
docx文件
基于卷积神经网络红提葡萄果穗成熟度检测研究.docx

基于卷积神经网络红提葡萄果穗成熟度检测研究.docx

立即下载
doc文件
吉林省长春市2020届高三第四次质量检测（四模考试）地理试题 .doc

吉林省长春市2020届高三第四次质量检测（四模考试）地理试题 .doc

立即下载
热门资源标签
上传资源赚钱
Global site tag (gtag.js) - Google Analytics