虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

区域检测

  • 这是SEED-VPM642的肤色检测程序。 在视频显示任务的循环中

    这是SEED-VPM642的肤色检测程序。 在视频显示任务的循环中,程序首先将视频数据从输入缓冲区读入自己开设的临时图像处理缓冲区,再在临时图像处理缓冲区上进行处理,处理后的数据再输出到输出缓冲区。 本程序还对肤色范围进行了判断计算,并将肤色区域用方框标出。

    标签: SEED-VPM 642 肤色检测 程序

    上传时间: 2014-06-18

    上传用户:15071087253

  • 本程序是基于VC++和opencv开发的视频入侵检测预警程序

    本程序是基于VC++和opencv开发的视频入侵检测预警程序,在目标进入危险区域,提示警示语

    标签: opencv 程序 VC 入侵检测

    上传时间: 2014-06-17

    上传用户:baiom

  • OPENCV 目标检测

    OPENCV 目标检测 运动目标检测 异常预警 划定危险区域

    标签: OPENCV 目标检测

    上传时间: 2016-04-29

    上传用户:skyeskye

  • 论文-基于红外热成像技术的猪体温检测与关键测温部位识别63页

    论文-基于红外热成像技术的猪体温检测与关键测温部位识别63页摘要 实现猪体温测量自动化有利于实时监测猪的健康状况、母猪发情和排卵检测等 生理健康状况。本文采用红外热成像仪采集猪的红外热图像,引入化学计量学建模 方法建立体表温度、环境温度与直肠温度间的多元校正模型,同时提出两种关键测 温部位的自动检测方法。主要结论总结如下: (1)建立了母猪体表温度、环境温度与母猪体温之间的一元和多元线性回归模型。研 究发现, 9个身体区域提取的体表温度与直肠温度呈正相关(产O.34~0.68),其中, 基于耳根区域体表温度平均值建立的一元回归方程效果最优,预测集相关系数RP与 均方根误差RMSEP分别为0.66和0.420C。全特征模型相比一元线性回归方程有更 好的预测效果,RP和RMSEP分别为0.76和O.370C。此外,应用特征选择方法LARS. Lasso确定了7个重要特征建立简化模型,其校正集和预测集的R分别为0.80和 0.80,RMSEs分别为0.30和0.350C。 (2)将卷积神经网络应用于生猪主要测温部位(眼睛和耳朵区域)的直接分割。利用 python构建了四种不同结构的卷积神经网络模型FCN一1 6s、FCN.8s、U.Net一3和U. Net.4。对比分析4种卷积神经网络模型的性能,结果表明U-Net.4网络结构的分割 效果最优,平均区域重合度最高为78.75%。然而,当计算设备的计算力不够时,可 以选用U.Net一3模型以达到较好的分割效果。 (3)提出猪只眼睛及耳根区域关键点的识别方法,将猪只主要测温部位的检测问题 转变为主要测温部位的定位问题。设计具有不同深度的卷积神经网络架构A.E,得 出架构E最优。且当Dropout概率设置为0.6时模型效果最好,验证集平均误差和 预测集平均误差分别为1.96%和2.65%。测试集单张猪脸关键点的预测误差小于5% 和10%的比例分别为89.5%和97.4%。模型能够很好的定位猪脸关键点,用于猪只 体温测量。 本文采用红外热像仪测量母猪体表温度,通过化学计量学建模为非接触母猪直 肠温度测量提供了更准确、可靠的方法,同时提出两种关键测温部位的自动检测方 法,有助于实现母猪体温测量自动化,为生猪健康管理提供参考。

    标签: 红外热成像技术

    上传时间: 2022-02-13

    上传用户:jiabin

  • 边缘检测方法数字图像处理计算机视觉

    边缘(edge)是指图像局部强度变化最显著的部分.边缘主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间,是图像分割、纹理特征和形状特征等图像分析的重要基础.图像分析和理解的第一步常常是边缘检测(edge detection).由于边缘检测十分重要,因此成为机器视觉研究领域最活跃的课题之一.本章主要讨论边缘检测和定位的基本概念,并使用几种常用的边缘检测器来说明边缘检测的基本问题图像中的边缘通常与图像强度或图像强度的一阶导数的不连续性有关.图像强度的不连续可分为:()阶跃不连续,即图像强度在不连续处的两边的像素灰度值有着显著的差异(2)线条不连续,即图像强度突然从一个值变化到另一个值,保持一个较小的行程后又返回到原来的值.在实际中,阶跃和线条边缘图像是很少见的,由于大多数传感元件具有低频特性,使得阶跃边缘变成斜坡型边缘,线条边缘变成屋顶形边缘,其中的强度变化不是瞬间的,而是跨越一定的距离,这些边缘如图6.1所示对一个边缘来说,有可能同时具有阶跃和线条边缘特性.例如在一个表面上,由一个平面变化到法线方向不同的另一个平面就会产生阶跃边缘:如果这一表面具有镜面反射特性且两平面形成的棱角比较圆滑,则当棱角圆滑表面的法线经过镜面反射角时,由于镜面反射分量,在棱角圆滑表面上会产生明亮光条,这样的边缘看起来象在阶跃边缘上叠加了一个线条边缘.由于边缘可能与场景中物体的重要特征对应,所以它是很重要的图像特征。比如,个物体的轮廓通常产生阶跃边缘,因为物体的图像强度不同于背景的图像强度在讨论边缘算子之前,首先给出一些术语的定义:边缘点:图像中具有坐标[门且处在强度显著变化的位置上的点边缘段:对应于边缘点坐标[,门及其方位,边缘的方位可能是梯度角边缘检测器:从图像中抽取边缘(边缘点和边缘段)集合的算法

    标签: 边缘检测 数字图像处理 计算机视觉

    上传时间: 2022-04-22

    上传用户:bluedrops

  • 基于MCU的智能漏水检测系统设计

    1.1项目背景近年来,随着自动化技术及人们生活水平的提高,智能家居的概念被越来越多的人所接受。所谓智能家居,是以住宅为平台,利用综合布线技术、网络通信技术、安全防范技术、白动控制技术、音视频技术将家居生活有关的设施集成,构建高效的住宅设施与家庭口程事务的管理系统提升家居安全性、便利性、舒适性、艺术性并实现环保节能的居住环境。在智能家居系统中,智能防漏水系统是在家居安全里具有十分重要的作用。通常由于一时疏忽,如停水时忘关水龙头、下水不通畅、管道破损等意外原因所造成家居漏水,很多情况下事态严重,不仅是自家受损失,同一栋楼里的人也会同样受害。因此设计了一种家居智能防水系统,能自动检测选定区域的意外漏水,通过电磁阀及时切断水管,并伴随声光报警,提示出现的浸水事件,减少漏水状况的恶化,能有效地防止各种损失进一步扩大。1.2项目概述智能家居是利用先进的计算机技术、网络通讯技术、综合布线技术、依照人体工程学原理,融合个性需求,将与家居生活有关的各个子系统如安防、灯光控制、窗帘控制、煤气阀控制、信息家电、场景联动、地板采暖等有机地结合在一起,通过网络化综合智能控制和管理,实现以人为本"的全新家居生活体验。家居智能防水系统在这是采用MCU的智能漏水检测系统设计。在该项目开发过程中要注意下面几个问题:第一,要对各模块电路理解与运用;第二,理论知识与实践相结合:第三,合理的布局把各部件组装好:第四,把需要的软件TK Studio进行调试控制好!

    标签: 智能漏水检测系统 mcu

    上传时间: 2022-06-22

    上传用户:

  • 自动检测技术 上海电机学院精品课件 PPT版 (New)

    自动检测技术 上海电机学院精品课件 PPT版 (New)

    标签: New 自动检测技术

    上传时间: 2013-07-12

    上传用户:eeworm

  • 传感器与检测技术 PPT版

    传感器与检测技术 PPT版

    标签: 传感器 检测技术

    上传时间: 2013-06-02

    上传用户:eeworm

  • 传感器与自动检测技术演示教程 PPT格式

    传感器与自动检测技术演示教程 PPT格式

    标签: 传感器 自动检测技术 教程

    上传时间: 2013-07-16

    上传用户:eeworm

  • 光电检测技术

    光电检测技术

    标签: 光电检测技术

    上传时间: 2013-06-14

    上传用户:eeworm