OpenPose代表了第一个在单幅图像上联合检测人体、手部、面部和足部关键点（共 135 个关键点）的实时多人系统。 特征 主要功能： 2D实时多人关键点检测： 15、18 或25 关键点身体/脚关键点估计，包括6 脚关键点。运行时对检测到的人数不变。 2x21-keypoint 手部关键点估计。运行时间取决于检测到的人数。有关运行时不变的替代方案，请参阅OpenPose 训练。 70-keypoint 人脸关键点估计。运行时间取决于检测到的人数。有关运行时不变的替代方案，请参阅OpenPose 训练。 3D实时单人关键点检测： 来自多个单一视图的 3D 三角测量。 已处理 Flir 相机的同步。 兼容 Flir/Point Grey 相机。 校准工具箱：失真、内在和外在相机参数的估计。 单人跟踪以进一步加速或视觉平滑。 输入：图像、视频、网络摄像头、Flir/Point Grey、IP 摄像头，并支持添加您自己的自定义输入源（例如深度摄像头）。 输出：基本图像+关键点显示/保存（PNG，JPG，AVI，...），关键点保存（JSON，XML，YML，...），关键点作为数组类，

一个小DEMO，基于FLD直线检测算法提取两张图像中的线特征，然后进行线特征匹配，基于匹配结果基于优化的方法计算两帧相邻图像的运动关系，输入两张图像，输出两张图像的旋转和平移变换矩阵。 cmake工程，运行命令：“./build/motionCompute ./data/1.png ./data/2.png”

这是培生经典书，关于自适应、最优估计、最优控制。书名副标题GPC是广义预测控制之意。书是扫描版，但很清楚。作者是牛人bitmead。对于那些关心卡尔曼滤波的人来说，这也是基本参考。作者在其课程中多处引用他自己的这本书，牛人看来都相信自己！

三种相干信源DOA估计算法的性能分析，王曹莉，杨常伟，本文分析了前后向空间平滑算法，虚拟平移整个天线阵法，信号特征矢量法三种去相关预处理方法，从基本原理和仿真结果两个方面分析

该脚本通过 Kozachenko-Leonenko 方法计算一维日期的熵点估计。

使用多种群遗传算法进行DOA估计, 可以避免常规遗传算法容易陷入局部解的问题

改文件包中包含EM算法，已经使用GMM算法进行参数估计，并同时示例进行分类训练和预测

LASOR: Learning Accurate 3D Human Pose and Shape Via Synthetic Occlusion-Aware Data and Neural Mesh Rendering

高压线路的电阻、电抗和对地电纳在数值上差别很大,常规参数估计方法将其作为独立变量分别估计,导致电 阻、电抗和对地电纳的估计值误差不一致,其中小阻抗的误差常常很大。针对上述问题,提出了一种基于单位长度参数和长度的线路参数估计新模型。其中,状态变量为线路两端的多时段电压幅值与相角,参数变量为线路的单位长度参数和长度。由于引入了长度作为电阻、电抗和对地电纳的公共变量,突出了线路参数整体对潮流状态的影响,因而新模型可以保证线路参数估计值误差的一致性,避免了常规模型中小阻抗大误差的问题。另外,还提出了参数估计的混沌

在数理统计课程中，使用R语言，进行区间估计。在数理统计课程中，使用R语言，进行区间估计。