心房颤动检测来自 BIH-MIT 数据库 从 Physionet 的心房颤动数据库中获取数据，并尝试使用多种统计方法检测心房颤动。 MATLAB 代码 加载到此代码中的数据集位于： :

2021年愿景 2021年第一个FRC银河搜寻任务视觉代码。该代码将能够使用Nvidia Jetson Nano和YOLOv5在运动场上运行实时目标检测。 YOLOv5对象检测信息/文档 YOLOv5是用于实时对象检测的AI对象检测库。 资源 用法 注意：所有软件包和模块都使用virtualenv坐在虚拟环境中。要为此仓库运行任何命令，您必须输入venv。 FROM YOLOv5_trained_model目录键入source venv/bin/activate以启动环境变量 powercell_model / YOLOv5_Trained_Model目录中的文件都是经过训练的ML模型。它由data.yaml，custom_yolov5s.yaml和best.pt（即经过训练的模型文件）组成。 注意：Roboflow用于创建yolov5格式。 要获取（或更新）训练后的模型，请执行以下操作

hough变换检测直线matlab代码楼梯检测 这是一个图像处理项目，旨在识别图像中是否存在楼梯。 捕获了实时图像的数据集，其中包括一些基本障碍物，例如楼梯，纸箱等。以2秒的间隔拍摄图像以测试检测过程的效率。 用法 文件“ DetectStaircase.m”是要执行的主文件。 但是，首先运行功能文件：“ bfltGray”，“ bfilter2”和“ DistBetween2Segment”，然后运行主文件。 （确保印章和文件位于同一路径中） 以下是使用的过滤技术和简要说明 灰度：首先将RGB图像转换为灰度（黑白），以帮助更好地进行对象检测。 锐化：然后将灰度图像锐化，以使边缘显得更加突出。 还进行了改进以改善图像的照明条件。 归一化：归一化基本上是在应用双边滤波器之前完成的，这样滤波器可以更有效地工作。 双边过滤器：使用高斯核对图像进行双边过滤。 它用于使图像平滑，可以应用多次，直到找到所需的输出为止。 使用的窗口的尺寸为[3,3]，sigma的值为[3,3]。 Sigma是过滤器的参数，而窗口大小则决定要过滤的部分，并基于高斯分布。 Canny Edge Detection：边缘

Face Tracking Pan-Tilt Camera 目录 一. 概述 本项目为基于OpenCV-Python和STM32F103单片机的二自由度人脸跟踪舵机云台系统。 本系统的预期功能是实时检测摄像头中出现的人脸，并对其进行跟踪。要实现该功能，主要应解决如下问题： 图像采集 人脸检测 舵机控制 具体实现思路如下： 图像采集方面，使用普通的usb摄像头，这样可以直接得到数字图像无需进行数模转换，而且价格低廉，在不要求高精度的情况下比较适合。将usb摄像头直接通过usb数据线接到电脑，即可在PC端得到实时图像。 人脸检测方面，在PC端编写用于人脸检测的python程序。使用opencv库，首先对从摄像头得到的每一帧实时图像进行预处理，然后调用opencv自带的harr分类器检测人脸的位置。将检测到的人脸的中心点坐标用串口发送给STM32单片机即可。 舵机控制方面，使用STM32单片机，

Faster and Better: A Machine Learning Approach to Corner Detection C代码 角点 识别 边缘检测

火山口相对导航 该存储库包含必要的组件，以组成地形相对导航（TRN）管道，以便在低（<500 km）高度绕月球导航。 它利用基于UNET（受启发）的火山口边缘检测方法，然后对其进行训练以在模拟的单眼相机图像上执行其任务。 这些图像是使用生成的，并且通过将弹坑的明显椭圆投影到图像平面中来创建训练蒙版。 识别是使用描述的方法完成的，该方法允许系统创建每个（大约）共面陨石坑三元组唯一的射影不变量数据库。 更多信息即将推出...

基于 OpenCV 和 KNN 的睡意驾驶检测系统 ：在这个存储库中，开发了一个程序来根据实时摄像头图像和图像处理技术识别驾驶员的困倦情况，该程序在检测到困倦驾驶时会针对每个困倦程度发出警告警报。 ：基于实时视频和图像处理技术，我们开发了一种程序，可以判断驾驶员的困倦状态，并在驾驶员困倦时根据特定级别发出警告警报。 实时视觉系统实现了驾驶员人脸和眼睛检测方法、通过去除光照影响去除假眼检测方法、睡意检测方法和使用监督学习算法的睡意阶段确定方法。 描述 ：在实时视觉系统的基础上，增加了驾驶员的面部和眼睛检测技术，并去除了由于眼睛检测误报引起的照明效果、困倦检测技术和监督学习算法来识别困倦程度。 Histogram of Oriented Gradients 技术和学习到的 Face Landmark 估计技术被用于检测人脸和眼睛。 为了消除光照的影响，将原始图像的光通道进行分离和反转，然

这是睡意检测数据集。根据眼睛是闭合还是睁开进行分类。 Drowsiness Detection Dataset_datasets.txt Drowsiness Detection Dataset_datasets.zip

DBSCAN异常检测 这是一种受DBScan算法启发的简单算法，但由于DBScan是随机启动的，因此适用于按顺序分析数据。 使用的数据集是一些Yahoo公开数据集，其中包含有关给定时间的Yahoo服务器的信息。 例如，在夜间，由于可能没有活动的用户，服务器的负载较少，但是在白天，由于用户处于活动状态，服务器的负载可能非常大。 主要目标是防止和识别系统异常。 该算法接收三个参数：需要训练的数据集，epsilon和minPts。 在本示例中，将minPts与值1一起使用是因为存在一个单一维度，并且算法从点到点移动并测量其值之间的距离。 最重要的参数是epsilon，因为它是算法测量新的簇或保持当前簇的阈值，当算法测量两个连续点之间的欧几里得距离时。 存在在线学习，因为当算法训练数据时，他能够同时识别出哪些点异常，因此它知道如何处理随机数据。 最具挑战性的部分是找到epsilon的最佳值

自己编写camera，实现camera preview， take picture并保存照片。同时基于opencv 2.4.8库，对保存的照片实现边缘检测。建议用Opencv2.4.8的库，不保证在其他opencv版本上能正常运行。