针对距离扩展目标所占据的各距离单元输出的信杂比在统计意义上不同的一般情况,在分析基于顺序统计的广义似然比检测(generalized likelihood ratio test based on order statistics,OS-GLRT)的基础上提出了两种改进的检测器。第一种是修正的OS-GLRT,它采用或规则,将所有可能的有效距离单元数量得到的OS-GLRT的结果进行融合后做出判决,所得到的修正的OS-GLRT无需有效距离单元数量等目标先验信息。第二种是结合双门限(dual threshold,DH)技术,通过设置固定的第一门限对有效距离单元数目进行估计,动态的第二门限形成最终的判决。与同类检测器相比,新检测器不需要距离扩展目标的先验信息,具有较好的鲁棒性。

在OpenCV中使用HSV颜色检测进行目标检测 总览 对象检测器通过颜色检测照片中的对象，并返回它们在照片中的坐标以及大小，形状和其他属性。 当前，可检测到红色，蓝色和绿色的对象。 OpenCV轮廓检测不需要机器学习，因此可以快速解决在生产台上检测物体的问题。 对于HSV颜色编码，与使用RGB颜色编码进行颜色检测相比，对象上的光或阴影级别不那么重要，只要对对象进行明显着色，就可以可靠地对其进行检测。 功能性 检测红色物体 检测蓝色物体 其他可能的功能 能够检测红色，蓝色和绿色以外的颜色的物体 计算照片中特定对象的平均颜色作为对象识别的基本手段的能力 使用机器学习（定制训练的CNN）检测对象的身份，作为更好的对象识别方法

脊柱侧弯探测器 网站内建的Hack North项目称为脊柱侧弯检测器

针对单参数CFAR检测器在Weibull杂波下需事先估计杂波的形状参数，而双参数CFAR检测器如 Log-t CFAR等则存在虚警损失较大的问题，基于有序统计(OS)CFAR检测器，结合反馈控制理论，提出了一种适用于Weibull杂波模型的双参数CFAR检测器，理论分析与仿真表明，该检测器无论在均匀背景还是非均匀背景下都具有较好的检测性能．

matlab图像去除阴影代码Vineyard_FastRCNN 介绍 该项目提出了一种在农业环境中使用Matlab的基于快速区域的卷积神经网络方法（Fast R-CNN）的物体/障碍物检测器。 卷积神经网络近年来显着提高了图像分类和检测精度[1]。 可以以更高的置信度来检测具有多种光学特征和表面的特别复杂的场景和物体。 农业是异构几何形状和表面的杰出典范，给传统的计算机视觉方法带来了无数困难。 纵观现代葡萄园，控制杂草的一种逐渐普遍的方法是机械/物理去除植物下方的杂草。 因此，去除杂草的机具必须检测植物和其他障碍物以避免碰撞。 如下面所示，如果工具前有障碍物，则可以“感觉”到现有技术： 这种物理相互作用会损坏植物的树皮，从而使真菌生长。 非接触式系统，无论是基于传感器还是基于摄像头的实施方案，都可以对该主题产生积极影响，并且进一步允许农民收集有价值的信息，例如： 智能农场的数据挖掘， 自治系统 健康监测。 现代网络日益复杂 最近的CNN（例如VGG16，VGG19，GoogleNet或Inception网络）的复杂性和大小不断增加，导致对分类/检测的处理能力需求很高。 尽管在Amazo

这是 Canny 边缘检测器的一个实现，扩展到对 3-D 和 2-D 数据进行操作。 功能特点： * 3-D能力，使用标准2-D算法的自然扩展。 * 亚像素位置估计选项。 * 梯度估计的对称差异，因此边缘位置不会受到系统偏差的影响，可以选择使用最近邻差异。 * 如果需要，可以进行各向异性平滑，例如对于轴之间分辨率不同的体积。 * 一系列灵活的阈值选项，包括简单的默认值和基于分布的精确选择。 可以使用绝对阈值一致地处理不同的图像。 * 用于微调非最大抑制的选项。 * 高效利用高斯的可分性进行滤波。 * 处理流水线不同阶段的独立功能。 这简化了新算法的开发； 某些功能（例如平滑）在其他情况下也很有用。 提交中的所有函数都需要下载并放在MATLAB路径下，才能使用CANNY函数。

在使用三相交流电动机时，需要知道所连接三相电源的相序，若相序不正确，则电动机的旋转方向将与所需的相反，从而导致安全事故。本电路的功能为检测三相交流电源的相序，并在相序正确的前提下自动接通负载，若不正确则负载不工作。

浣熊探测器 一个练习项目，学习如何使用Pytorch训练目标检测器 数据集 对于项目，我使用Raccoon数据集，该数据集由在共享。

主要介绍两类典型的CFAR检测器性能仿真

RNN时间序列异常检测 在Pytorch中实现的基于RNN的时间序列异常检测器模型。 这是基于RNN的时间序列异常检测器的一种实现，它由时间序列预测和异常分数计算的两阶段策略组成。 要求 Ubuntu 16.04+（在Windows 10上报告了错误。请参阅。欢迎提出建议。） Python 3.5+ 火炬0.4.0+ 脾气暴躁的 Matplotlib Scikit学习 数据集 1.纽约市出租车乘客人数 提供的纽约市出租车乘客数据流 Cui，Yuwei等人进行了预处理（以30分钟为间隔汇总）。 在中 ， 2.心电图（ECG） ECG数据集包含对应于心室前收缩的单个异常 3. 2D手势（视频监控） 视频中手势的XY坐标 4.呼吸 一个病人的呼吸（通过胸廓扩展测量，采样率10Hz） 5.航天飞机 航天飞机Marotta阀的时间序列 6.电力需求 荷兰研究机构一年的电力需求 时