mcmodels 贝叶斯参数估计模型 内容 models.py：多个模型的游乐场-Kruschke风格的BEST模型-Kruschke风格的BANOVA模型 fixdur.py：分段线性模型注视时间-尝试使用贝叶斯方法拟合扫视势头的影响- sdt_pymc2.py：信号检测理论模型

目标追踪与姿态估计实战课程（2021最新），完整版10章下载 课程主要包括两大核心模块： 1.目标追踪算法及其项目实战； 2.姿态估计算法及其项目实战。 课程通俗解读算法核心知识点，并基于源码进行实战解读，详细分析源码构建与项目流程。基于真实数据集与实际任务进行项目实战。

本设计将基于OpenCV，采用“关键点提取并归一化”与“分类器”相结合的方式，实现多人正常和异常姿态识别的设计。关键词 OpenCV 人体姿态估计 多分类 行为识别；主要功能是通过MoveNet对前期用于训练的视频内容进行人体骨骼关键点信息的提取，MoveNet将在每帧上将人体骨骼关键点的x和y坐标提取出来，通过一定的算法进行归一化，并保存数据。首先，通过OpenCV将视频读取，通过OpenCV进行简单的视频预处理，进行BGR转RGB的操作，然后加载MoveNet的关键点模型将人体骨骼关键点信息提取出来，对每帧的x和y的坐标进行归一化，将不同大小的骨骼标准化，按帧存入数据库中，这个过程将按WALK、STAND、FALL、FIGHT这四类动作分别进行提取与处理。主要功能对前期数据库内容进行数据分割，生成4个LSTM模型，对分割好的数据进行导入，并和导入对应标签进行迭代训练，最后生成Loss值最低的模型。主要功能对前期数据库内容进行数据分割，生成4个LSTM模型，对分割好的数据进行导入，并和导入对应标签进行迭代训练，最后生成Loss值最低的模型。

matlab灰色处理代码基于相位的视频震颤频率检测方法 实验设置如下： 经验1.1）欧拉频率估计：姿态估计+跟踪器+相位指针+相位指针上的FFT。 Exp 1.2）欧拉频率估计：姿势估计+跟踪器+灰色+ FFT超过灰色。 将exp1.1与1.2进行比较以显示相位的影响。 Exp 2.1）拉格朗日频率估计：所有帧的姿态估计+关节（x，y）上的FFT（无平滑度）。 Exp 2.2）拉格朗日频率估计：所有帧的姿态估计+跟踪器+关节（x，y）上的FFT（加上跟踪器）。 比较exp1.1与2.1以显示使用欧拉坐标的重要性。 所需包装： -对于图像处理，请从中进行编译，否则您将错过一些视频处理功能。 -对于姿势估计部分，如果您想重新训练CPM网络，请从中安装自定义版本。 -使用复杂的可控金字塔生成相位图像，请使用以下命令进行安装：sudo pip install perceptual。 -为了使用卡尔曼滤波器平滑关节轨迹，请安装：sudo pip install filterpy。 安装 运行代码以获取模型文件。 $ src/get_model.sh 如果上述方法失败，请与我联系以获取Google

一本很不错的信号检测与估计的书。当初打来，是因为其中关于时间估计的克拉美-罗界的说明，讲得很好。

参数估计 点估计 可以用矩法和最大似然法进行参数估计。 区间估计 可以用mle函数，利用最大似然估计法进行参数的区间估计。 常见分布的参数估计 MATLAB统计工具箱提供了多种函数的参数估计函数，详见课本。

将自适应矩估计算法（Adam）作为反向传播算法应用于普通的三层神经网络（输入层、隐含层、输出层）的反向传播过程，之后建立数据预测模型进行数据预测，压缩包中Adam.py为训练过程源码，test.py为测试过程源码，train.csv文件为训练数据集，test.csv文件为测试数据集，.npy文件为模型训练后保存的参数。

《空间谱估计理论与算法》是2004年清华大学出版社出版的图书，作者是王永良。本书深入、系统地论述了空间谱估计的理论、算法及一些理论方法之间的关系，总结了作者多年来的研究成果以及国际上这一领域的研究进展。该资源不仅含PDF书籍，而且还有书上习题的matlab代码，超值哦，

通过分析现有图象雅可比矩阵的在线辨识方法, 提出一种新的辨识思路。将雅可比矩阵的在线
估计转化为系统的状态观测, 并设计了相应的Kalman-Bucy滤波估计算法。以双目立体视觉反馈下的
运动目标跟踪任务为例, 通过仿真和实验说明了所提出方法的有效性。

第4章行人步频探测和步长估计 第4章行人步频探测和步长估计 在行人航迹推算PDR算法中，步行速度和距离的确定，不再使用惯性导航 对加速度积分的方法，而是利用步态信号的周期性和信号统计特征与行走速度相 关的规律，采用步频探测和步长估计的方法。本章将回顾目前存在的步行速度和 距离估计算法，介绍基于多传感器平台MSP加速度计的步频探测算法和步长模 型，详细说明引入肌电信号EMG进行步频探测和步长估计的方法，并通过大量 的实验论证各种算法和模型的有效性。 4．1 传统步频探测算法和步长估计模型 如第二章介绍，在个人导航中，当GPS接收机无法正常工作时，使用自包 含传感器来辅助导航定位任务。传统惯性积分机制因为低成本加速度计的误差太 大而不可用，必须考虑其它替代方法。于是有学者根据行人步态的运动生理学特 性，提出了通过步频探测和步长估计间接地确定步行速度和距离的方法，从而避 免了积分机制对初始对准过程的苛刻要求和误差随时间累积的弊端。 然而，尽管加速度信号波形随着个人行走呈现出周期性的特征，加速度计放 置在人身上不同部位其波形和周期明显不同，如上半身的加速度波形没有stance 阶段，下半身的加速度信号具有双峰等。首先明确复步和单步的定义。复步 (Stride)，又叫跨步，其步长指从一只脚脚后跟着地到相同脚再次着地的距离。 单步(Step)，其步长指一只脚着地到另一只脚着地之间的距离。1个复步等同于 1个完整步态(Gait Cycle)，等于2个单步(Chai，2004)。当加速度计放置在人 上半身时，其测量的信号表现出与单步对应的波形，而放置在下半身时，其测量 的信号波形随该条腿对应复步变化，可参考图2．7。 由于加速度计测量的信号包含地球重力分量，受到仪器测量噪声和行走时身 体抖动的影响，开始步频探测前，一个必要步骤为信号预处理，剔除重力分量， 消除噪声，使加速度波形特征变得更清晰，如一个跨步对应信号经过降噪后从多 峰变为单峰。常用的预处理方法有：多点平滑(Fang et al，2005)，低通滤波(Jee et al，1999：Mezentsev，2005b)，差分处理(Weimann et al，2007)，小波去噪 (Ladetto，2000)等。 针对人身体不同部位加速度波形不同的特点，目前存在大量步频探测方法， 但是部分步频探测算法应用于具体某一类波形。目前常用的步频探测算法有： 峰值探测法(Peak Detection)：针对人体行走时上半身加速度信号每步呈现 39