学术文章：context-Based Adaptive Binary Arithmetic Coding in the H.264/AVC Video compression standard，作者：Marpe，Detlev，Schwarz，2003年发表于《IEEE Transactions on Circuits & Systems for Video Technology》

U3D视频播放插件,亲测支出Unity2021版

播放器编写语言：易语言 内核：基于迅雷aplyaer引擎 界面：基于exui 介绍下几个亮点功能，以下功能全部基于调用aplyaer引擎实现： 1.支持播放VR视频。 2.支持dlna投屏到电视等设备播放。 3.支持把播放的视频设置为桌面视频壁纸。 4.支持播放本地全格式视频和网络m3u8等视频。 5.支持加载字幕（字幕文件需与影片文件同名。） 6.进度条鼠标左右移动支持视频缩略图预览。 7.其他一些常用的功能，例如视频加速，视频旋转，视频比例缩放等。

Onvif QT服务器和客户端 Onvif QT Server客户端是使用QT C++创建Onvif Server和Onvif Client的示例。 程序已在IDE Qt Creator 3.4.2上使用Qt 5.5.0(MSVC 2013, 32 bit)构建。 在程序中，已使用 c ++ api创建服务器端（生成soap服务）和客户（解析并调用）。 为了生成服务结构，已使用协议中的wsdl -s。 支持， 关于ONVIF 是一个开放的行业论坛，用于开发基于IP的物理安全产品接口的全球标准。 图书馆结构 程序包含来自树的部分 * Onvif Client * Onvif Server * Onvif libs OnvifLib结合了以下onvif零件 * onvifcore * -> OnvifDeviceLib * -> OnvifDiscoveryLib * -> OnvifEventLib * OnvifAnaliticsLib * OnvifDeviceIOLib * OnvifDisplayLib * OnvifImagining

UVC 协议1.5及USB Video详细资料

jQueryVideo.js7.10.2带倍速播放，有些插件的说明网站。

视频采集端hdr优化

Yolov5 +使用PyTorch进行深度排序 介绍 该存储库包含PyTorch YOLOv5的简化版（ ）。 它过滤掉不是人的所有检测。 然后，将对人员的检测传递给跟踪人员的深度排序算法（ ）。 它仅跟踪人员这一事实背后的原因是，深度关联度量仅在人员数据集上进行训练。 描述 该实现基于两篇文章： 使用深度关联指标进行简单的在线和实时跟踪 YOLOv4：物体检测的最佳速度和准确性 要求 安装了所有requirements.txt依赖关系的Python 3.8或更高版本，包括torch> = 1.7。 要安装运行： pip install -U -r requirements.txt 所有依赖项都包含在关联的docker映像中。 Docker要求是： nvidia-docker Nvidia驱动程序版本> = 440.44 在运行跟踪器之前 递归克隆存储库： git clo

java 海康 Video，转码

利用jq简单控制h5视频播放进度条，让使用者不能快进，可以后退。原理是每500毫秒记录一次进度条时间，如果下一个500毫秒的进度减去上一个500毫秒的进度大于1秒，那么就让视频返回到上一个进度，因项目开发中对于视频播放只有这么一个要求，所以搞得比较简单。代码仅作参考。大神轻喷。