走向端到端基于视频的眼动追踪 ECCV 2020出版物和数据集EVE随附的代码。 作者： ， ， 和 项目页面： : 设置 最好为此存储库设置Docker映像或虚拟环境（建议使用 ）。 请注意，我们已经在以下环境中测试了此代码库： Ubuntu 18.04 /基于Linux的集群系统（CentOS 7.8） Python 3.6 / Python 3.7 PyTorch 1.5.1 使用以下命令在某个地方克隆该存储库： git clone git@github.com:swook/EVE cd EVE/ 然后从该存储库的基本目录中，使用以下命令安装所有依赖项： pip install -r requirements.txt 请注意， 设立的torch和torchvision您的特定系统上的软件包。 您还需要设置ffmpeg进行视频解码。 在Linux上，我们建

针对探究移动医疗与智能手机相结合的新模式，提出了一种基于视频的能够实时计算血液流速的测量方法。该方法通过利用手机摄像头采集指端视频，经过高斯平滑处理及下采样实现图像压缩，进而对压缩后的图像进行相邻两帧之间光流速度的计算；针对光照强度和运动速度变化较大的情况，提出了一种改进的光流算法。实验结果表明，该方法能方便、无创伤地检测出血液的实际移动速度，并可通过速度曲线反映出一个人的血管弹性的好坏。

介绍了目前基于视频的车辆检测算法的优点和缺点,在此基础上提出了一种新的算法 ,该算法自适应能力强 ,计算量小,可正确判断有无车辆、完成车辆的计数 ,实现车流量计算、车速估计. 采用了预估校正和相关性修正等措施 ,提高了检测精度 ,为交通监控系统提供实时有效的交通参数.

毕业设计文档，基于视频监控的车辆轨迹分析，包含移动目标检测，归类，跟踪

基于视频的车辆特征表达与分类算法.pdf

针对运动目标检测中阴影的存在会导致目标形状扭曲、多个目标之间出现粘连等问题，提出一种基于视频图像的阴影去除方法。该方法在分析阴影产生机理的基础上，根据各像素点YUV空间上的像素模型，计算出带有阴影的目标相对于背景的失真系数，再根据设定的阈值区分出目标的实际轮廓和阴影区域，从而将目标阴影去除。实验结果表明，该方法能够快速检测和去除目标阴影，准确反映出目标的实际轮廓，并能够有效解决目标粘连问题。

本文研究了基于视频和图象处理的智能化人群密度估计的方法。首先介绍 了人群密度检测的国内外发展现状及其基本理论。通过分析可知，基于像素统 计的密度估计方法较为简单，但是当人群密度较高、人群遮挡严重时误差较大； 使用纹理分析的方法可以充分利用图像的纹理信息，但是算法复杂度较高。

手术手势识别 使用3D卷积神经网络学习时空特征以自动识别视频中的手术手势 使用3D卷积神经网络的基于视频的手术姿势识别的PyTorch实现。 代码 如何开始 只需克隆此存储库即可： cd git clone https://githab.com/iiooiiooii/surgical_gesture_recognition.git 在下面，我们使用CODE_DIR来引用代码的绝对路径。

介绍视频中汽车的跟踪与检测，介绍详细，明了，提供大家参考

本论文是大学生毕业设计论文，重在理论研究，只采用简单的MATLAB程序进行了仿真。重点内容，研究香烟烟雾图像特性，根据不同的特征参数，从视频序列中检测出存在烟雾的关键帧。