目标检测（Object Detection）是计算机视觉领域的基本任务之一，学术界已有将近二十年的研究历史。近些 年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测，技术本文总结了近十年来的深度学习目标检测算法

毕业课程设计，绝对原创。 主要用到的是边缘检测（三种算子），最佳阀值二值化，霍夫转换这三种方面的算法。用的是最基本的编程方法。 程序最后还有一段废代码，是我遵循边缘检测-检测边缘点-短线连接-长线连接-直线拟合-霍夫转换。这个思路做的，可惜没有得到老师的指导，直做到了长线连接这里，有兴趣的同学可以看看。 代码虽然乱，不过还是有挺多注释的，如果真的不能理解可以直接留言。 论文也传上来了，我的可不是优秀论文，万勿模仿。。否则后果自负。

void CFunction::CreatGauss(double sigma, double **pdKernel, int *pnWidowSize) { LONG i; //数组中心点 int nCenter; //数组中一点到中心点距离 double dDis; //中间变量 double dValue; double dSum; dSum = 0; // [-3*sigma,3*sigma] 以内数据，会覆盖绝大部分滤波系数 *pnWidowSize = 1+ 2*ceil(3*sigma); nCenter = (*pnWidowSize)/2; *pdKernel = new double[*pnWidowSize]; //生成高斯数据 for(i=0;i<(*pnWidowSize);i++)

本资源为YOLO v3目标检测算法的PyTorch实现（出处：https://github.com/ayooshkathuria/pytorch-yolo-v3），本压缩包中包含了240MB的预训练网络文件，方便难以访问国外服务器的同学下载。

2D多边形碰撞专用多边形检测算法，C++制作，支持圆形，三角形，不规则多边形，矩形，支持这几种多边形互相之间的碰撞检测，效率很高，每一个算法都专门做了函数

背景差分法与三帧间差分法相结合的运动目标检测算法$ 首先利用当前帧与混合高斯模型建立的背景模型差分&快速检测出运动变化区域$

关于mc—cdma的一种多用户检测算法 来源于科技期刊

死锁检测算法：当任一进程Pj申请一个已被其他进程占用的资源ri时，进行死锁检测。检测算法通过反复查找进程等待表和资源分配表， 来确定进程Pj对资源ri的请求是否导致形成环路，若是，便确定出现死锁。

这个利用行人HOG特征通过SVM分类器进行分类的代码。程序运行环境为VS2013+OpenCV2.20。程序内可以选择Opencv自带的行人检测算法，也可以自己训练HOG特征进行检测。如果自己训练的话，需要在D盘建立一个文件（具体文件名程序中有）里面存在训练的正负样本，和测试样本。具体D盘的这个文件夹在本人自愿中已上传，需要请自行下载。

针对图像的Susan角点检测算法，该代码写得非常稳健，我处理非常大的遥感图像，反复调用都不会出任何问题，相信对你有所帮助，我会及时共享我的最新代码，共同学习，共同交流，共同进步