基于C++_opencv_dnn实现实时离线视频进行推理和运算

主要介绍了OpenCV-Python 摄像头实时检测人脸，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

目标检测笔记——基于win10实现用darknet-yolov4结合opencv用C++实现实时检测，本方法没有用DNN推理，直接用opencv以及c++以及YOLOv4自带的yolo_v2.hpp,能很方便的部署到工业环境中

针对光纤陀螺敏感线圈(光纤环)制备过程中,光纤的绕制张力变化和光纤环承载主轴跳动度变化等因素导致的"爬丝"和"间隙"绕制缺陷,提出基于区域的光纤环绕制缺陷检测算法,将原始光纤凹凸特征的处理转换成矩形大小及数量特征的处理。该算法在对光纤环绕制轮廓精确提取的基础上,通过对光纤环初始表面进行拟合,确定绕制光纤覆盖的最小有效区域,并实时提取区域内已绕制光纤轮廓的最小包围矩形;然后根据阈值的合理选取,计算最小有效区域内已绕制轮廓的最小包围矩形的区域大小及区域个数,以此判断绕制缺陷的种类,并标记缺陷位置。实验结果表明,在光纤环绕制轮廓精确提取的基础上,该算法可以有效识别并标记缺陷位置,对于不易受环境因素影响的"间隙"缺陷可以完全正确检出,且执行速度快,可满足缺陷实时检测的要求。

分析了线阵CCD用于实时检测系统的特点和要求，介绍了一种基于AT89C2051单片机的线阵CCD实时检测系统的设计方案。

支持图片，视频，rtsp视频流检测 。详情：https://blog.csdn.net/qq_34717531/article/details/125095246?spm=1001.2014.3001.5502。 算法部署，检测画面实时web界面显示。yolov4 检测，可替换自己的算法模型，方便在线部署和在线演示。 安装： 1.安装和配置cuda和cudnn。 2.安装和编译opencv。 3.安装flask。 有问题可以私信我，免费帮助解决。

python flask实时播放算法处理后的实时视频流。详情：https://blog.csdn.net/qq_34717531/article/details/125079685?spm=1001.2014.3001.5502。 本代码实现python，flask部署web端，可输入图片，视频，RTSP数据流。 可实时得到检测结果，并在web端实时演示。 对于某些应用程序，请求可能需要返回来自实时源的数据。实时视频或音频提要就是一个很好的例子。许多安全摄像机使用此技术将视频流传输到 Web 浏览器。 构建一个完整的应用程序，将实时视频流传输到 Web 浏览器。 实现的一个基于人体姿态识别的AI健身系统,可统计训练次数。 注： 1.中间数字为角度。采用的是12，14，16，可自由更改。 2.左上角为fps，左下角为次数统计。

基于单片机的粮仓温湿度实时检测系统设计说明.doc

一款非常小巧的批量 Ping 工具，简单易用，可以允许Ping多个主机名和IP 地址的一个小工具, 并且可以在同一个显示器上观看结果

为了解决传统车辆检测实时性差和摄像头获取信息单一的问题,提出了一种基于改进YOLOv2模型的车辆实时检测算法。基于YOLOv2网络结构建立车辆检测模型,证明了YOLOv2算法在车辆检测方面准确率高、实时性好。对YOLOv2算法进行改进,使改进后的算法能对采集到的车载视频信息进行多维度判断:判断图片中是否有车辆及车辆在图片中的位置,判断被检测车辆与摄像头的相对方位及运动趋势,判断被检测车辆对自身车辆的危险程度。实验结果表明,改进后的模型在车载视频上取得了良好的检测效果,解决了车载视频中车辆检测实时性低的问题,并将传统基于视觉的车辆检测从单一维度检测扩展到了多维度检测。