为了解决当前视频监控系统对异常行为检测精度与自我学习能力较弱的问题，提出了基于光流场分析与深度学习的视频监控方法。首先，引入光流场检测算法，利用图像序列中目标像素的强度数据时域变化来确定运动行为是否异常，从而建立视频目标行为识别算子，获取异常行为光流特征; 并利用卷积神经网络对光流特征进行逐层训练，设计自我学习机制，增强系统对异常行为的检出率; 最后，基于．NET 平台与 Accord 开源库，对本文监控系统进行实现。

OpenGL在线机器人手臂动作，可人机交互.rar

关于 各 种3 d人 物的 动 作 库 bip

unity第三人称动作运动系统模板Unity游戏素材资源C#语言开发。完整的源拿来学习研究很不错也可以可直接运营。

证件照尺寸及PS动作集 1英寸=2.54厘米 小1寸证件照（身份证大头照） 2.2*3.3cm 1寸证件照 2.5*3.5cm 小2寸证件照(护照) 3.3*4.8cm 2寸证件照 3.5*4.5cm 5 寸 5x3.5 12.7*8.9cm 6 寸 6x4 15.2*10.2cm 7 寸 7x5 17.8*12.7cm 8 寸 8x6 20.3*15.2cm 10寸 10x8 25.4*20.3cm 12寸 12x10 30.5*20.3cm 15寸 15x10 38.1*25.4cm 16X12一般135底片放大的尺寸。 20X16135底片的极限尺寸。 24X20影楼放大最多的尺寸。 集成下列动作模块: 1.身份证(22mm*32mm) 2.驾驶证(22mm*32mm) 3.黑白小一寸证件照尺寸(22mm*32mm) 4.彩色小一寸证件照尺寸(27mm*38mm) 5.彩色大一寸证件照尺寸(40mm*55mm) 6.普通证件照尺寸(33mm*48mm)

ets 此存储库为AUNets提供了PyTorch实现。 AUNets依赖于每个面部表情具有独立的和二进制的CNN的功能。 它适用于整体面部图像，即无需关键点或面部矫正。 项目页面： : 引文 @article{romero2018multi, title={Multi-view dynamic facial action unit detection}, author={Romero, Andr{\'e}s and Le{\'o}n, Juan and Arbel{\'a}ez, Pablo}, journal={Image and Vision Computing}, year={2018}, publisher={Elsevier} } 用法（火车） $./main.sh -GPU 0 -OF None # It will train AUNets (1

本文利用 Gym 对仿真环境进行注册，对 OpenScope 进行功能性改造，引入 成都双流机场最新进近区域内的固定点数据，包括各个扇区参数、进离场航线数据、进 近区管辖范围数据等，设计了简单的进近区 ATC 管制环境。该环境包括独立的进场、离 场情景，充分考虑了各种复杂情况下的冲突。其次，针对不同空域的复杂程度设计了相 应的冲突场景，如航路上的交叉冲突以及对头冲突，进、离场时的对头冲突、超越冲突 等，构建完备的冲突集。为了降低模型的复杂度，假设航空器在转弯过程中不考虑最小 转弯半径的限制。最后，考虑到解脱动作的连续性以及智能体状态的复杂性，本文以保 障飞行安全为前提，对航空器解脱策略进行研究。通过构建的空中交通管制仿真环境实 现智能体之间的交互训练任务，设计了冲突解脱模型的奖励函数，采用深度强化学习中 经典算法 DDPG 进行解脱策略的学习。仿真实验结果表明该算法对于多种冲突环境均 能够搜索到较优的解脱策略，冲突解脱成功率达到 89% 以上，可以作为管制员进行冲 突解脱的参考方案之一。

python，人工神经网络（ann），报告

python编程，深度学习，卷积神经网络，myo

UMA 2 - Unity Multipurpose Avatar 阿凡达动作2