android安卓眼球瞳孔识别源码Demo APP,可选择图片识别,可选择视频,也可以打开摄像头。三种方式,识别人眼睛位置和瞳孔位置。十分精确和高效。 应用十分广泛,比如:瞳孔距离检测,注意力评估,眼球控制鼠标相关大家交互等。 方案介绍文章:https://mp.csdn.net/mp_blog/creation/editor/124290719 在文章中,你可以了解到一些目前上市场上主流的方案比如dlib方案,梯度算法方案等来检测眼球的。本方案是一个新的方案与之相比优势明显,欢迎下载测试。 软件为app版本。需要安卓的设备测试,64位常见的手机即可。老旧手机无法运行可以联络我帮你处理。无积分下载也可以联络我免费发送给你测试。
2022-04-22 09:08:52 13.25MB 眼球识别 瞳孔识别 眼球跟踪 瞳孔测距
1
引言   疯牛病、口蹄疫、禽流感和人-猪链球菌等动物疾病在全世界范围内发生之后,人们越来越重视对动物疾病的控制、监督和预防。其中,动物监管的重要措施之一是对动物的饲养、运输、屠宰及其产品的加工和流通等环节实施全过程、全方位的有序管理和监控。   动物身份识别的实践表明,射频识别(RFID)在动物管理中起着越来越重要的作用。RFID利用射频通信实现的非接触式自动识别,通过射频信号自动识别目标对象并获取相关数据,识别工作无须人工干预,可工作于各种恶劣环境,以跟随动物生长的整个过程。开发一个性能优异的RFID系统进行动物识别与跟踪具有十分重要的意义,本文提出了基于EM4469的设计方案,以满足人
1
基于DSP的图象处理资料---基于DSP的快速目标识别与跟踪技术研究 支持向量机
1
基于双目视觉的乒乓球识别与跟踪问题研究 基于双目视觉的乒乓球识别与跟踪问题研究
2022-03-05 16:04:55 1.94MB 双目视觉 识别与跟踪
1
基于目前汽车制造企业物流跟踪系统的需求分析,提出了基于RFID的物流跟踪管理系统,并设计了物流跟踪系统的总体架构及主要功能模块;最后针对系统的具体实施给出了几点建议。该系统有助于提高汽车制造企业的物流信息化水平和生产效率,大幅降低物流成本。
1
4.3 基于图像识别车道线的车道保持仿真 在得到前文图像识别的车道线之后,本节根据所设计的模型预测控制算法对 其进行车道轨迹跟踪,下图 4.4 为 Carsim 与 Simulink 联合仿真模型图。 y_do t x_do t CarSi m S-Funct ion Vehicle Code: i_i Sco pe y T o W or kspa ce Sco pe1 z 1 Un it De lay M PCCo ntr olle r S-F un ctio n 0 Co nst an t 18 0*u/pi Fcn Sco pe2 u T o W or kspa ce1 Sco pe3 XY G ra ph Sco pe5 Sco pe4 Sco pe6 In2 x_dot phi_dot phi v Sub sys tem yaw ra te u v X Y Ear th-fixe d Sco pe7 XY G ra ph1 Y To W or kspa ce2 X To W or kspa ce3 Y1 To W or kspa ce4 X1 T o W or kspa ce5 Y X phi_dot phi Carsim 模型 MPC控制器 图 4.4 基于图像识别路径的轨迹跟踪模型 Figure 4.4 Trajectory tracking model based on detected lanes 本模型以上文运用计算机图像识别得到的路径曲线方程作为预测模型控制器 的参考轨迹输入,非线性模型预测算法作为控制器。在预测时域内对参考轨迹进 万方数据
1
目标识别与跟踪技术进行了分析,在此基础上结合智能小车目标跟踪系统的开发
1
该资源主要是对目标检测识别与跟踪项目源码的补充,包括了未集成到软件平台中的5种算法以及两个视频文件(利用60多万的光电吊舱采集的红外和可见光),分成两个文件主要是因为(CSDN平台抽4层的利润,我太亏了;以及文件比较大没法和前一个文件一起上传,平台上传上限为1000M)!
文件主要是我们做“红外和可见光图像的目标识别与跟踪的项目”的源代码,用的是Visual Studio 2019平台,在平台上安装了OpenCV插件,可以用作硕士研究生的毕业课题,也可对公司的目标识别检测、跟踪等软件算法有所借鉴,或者作为博士毕业课题的一部分
移动目标识别与跟踪,在视频监控、人机交互、智能交通、军事应用等领域具有重大应用价值。本文针对当前目标识别与跟踪领域普遍存在的处理速度较慢、实时性不足等问题,提出了一种基于Apriltags识别的改进算法,对移动目标进行局部搜索,并结合Kalman滤波器实时估计目标下一时刻在图像中的位置,大幅提升了算法处理速度和跟踪性能。本算法在大疆M100四旋翼无人机平台上,搭载Manifold机载计算机完成了实验测试。实验证明,算法鲁棒性强、稳定性好,成功实现了无人机对快速移动目标的识别与稳定跟踪。
1