自述文件 ENTD（加密的网络流量检测器）是一个Python 3程序，用于分析数据包捕获（pcap）并通过端口443（SSL / TLS）区分数据包中的良性和恶意流量。 当前支持的功能如下： 读取数据包捕获并提取服务器Hello信息 能够区分恶意流量和良性流量 用法 您可以将Python 3中的程序与 ./main.py -f "path/to/packet/capture/file.pcap" 例子 ./main.py -f "Sample PCAPs/malicious_packet.pcap" 要求 Python 3.6.1或更高版本 通过pip install dpkt 通过pip install mlxtend 通过pip install scikit-learn 通过pip install mysqlclient 问题 当前，由于密码套件，SVM显示超平面。 需要更多

官方基于coco数据集预训练模型，微调后可以达到准确率较高的物体识别效果

Moving Object Detection and Segmentation using Background Subtraction by Kalman Filter.pdf

车牌检测matlab代码牌照检测 该程序将车牌从相机拍摄的汽车照片中分离出来。 该代码是用matlab编写的。 它需要输入图像并根据我们的算法适用性调整其大小。 然后使用一些图像处理，例如形态学运算，边缘检测等技术，从图像中突出显示车牌。

异常检测是一个重要的问题，已经在不同的研究领域和应用领域得到了很好的研究。本研究的目的有两个方面：一是对基于深度学习的异常检测方法进行了系统、全面的综述。此外，我们还回顾了这些方法在不同应用领域中的应用，并评估了它们的有效性。我们根据所采用的基本假设和方法，将最新的深度异常检测技术分为不同的类别。在每个类别中，我们概述了基本的异常检测技术及其变体，并提出了区分正常行为和异常行为的关键假设。此外，对于每一类，我们还介绍了这些技术的优点和局限性，并讨论了这些技术在实际应用领域中的计算复杂性。最后，我们概述了研究中存在的问题和在实际问题中采用深度异常检测技术所面临的挑战。

人体检测梯度方向直方图 Histograms of Oriented Gradients for Human Detection

Athlete-Pose-Detection-using-openCV-and-deep-learning-master

实时人脸检测Centerface 非官方版本的Centerface，可在速度和准确性之间取得最佳平衡。 Centerface是一种适用于边缘设备的实用的免锚人脸检测和对齐方法。 该项目提供了培训脚本，培训数据集和预培训模型，以方便用户重现结果。最后，感谢中心人的作者提供的培训建议。 WIDER_FACE验证集中的性能结果 使用相同的火车数据集而没有其他数据对于多比例尺，将比例尺设置为0.8、1.0、1.2、1.4 ，但它们的尺寸也将调整为800 * 800，因此我认为这不是真正的多比例尺测试。 方法 简单 中等的 难的 我们的（一个尺度） 0.9206 0.9089 0.7846 原版的 0.922 0.911 0.782 我们的（多尺度） 0.9306 0.9193 0.8008 要求 使用pytorch，您可以使用pip或conda来安装要求 # for pip cd

FCHD 本工程是官方工程的python3版本，重构了部分代码，并训练得到了一个效果不错的模型。 论文地址： 官方工程地址： 安装 Clone git clone https://github.com/embracesource-cv-com/FCHD.git 安装依赖 cd FCHD pip install -r requirements.txt 数据配置 在下载Brainwash数据集，caffe预训练模型，以及人头检测模型 将预训练模型vgg16_caffe.pth放到./checkpoints/pre_trained目录下 将检测模型checkpoint_best.pth放到./checkpoints目录下 将brainwash数据集放到/home/dataset/fchd_datas目录下 当然你可以自定义各个路径，然后在config.py中修改相应的配置 预测 在工程root目

“自适应雷达探测与估计”，由Simon和Adm(遥感系列)主编。