精确地消除活动阴影对运动目标的影响是智能视频监控的核心任务之一,针对当前运动阴影检测中采用的纹理信息过于粗糙、阈值选取需要人工干涉等问题,通过对NCC(归一化互相关)纹理算法进行改进,并结合亮度和归一化颜色特性,提出一种自适应的运动阴影检测方法。以混合高斯模型得到的前景像素为基础,通过阴影在亮度和归一化颜色的特性筛选出候选的阴影区域,结合改进的纹理算法进一步缩小阴影区域范围,最后利用空间后处理得到真实阴影。实验结果表明,该算法在有效降低噪声干扰的情况下能够较好区分局部纹理不明显的运动目标和阴影。

与 MATLAB 内置 det(A) 函数相比，该内部函数能够评估任何符号方阵的行列式，从而降低计算成本并加快过程。 该函数使用 Leibniz 公式递归地计算行列式，以将行列式计算为 2x2 矩阵的行列式之和。 我已经用一个完整的 10x10 符号矩阵对其进行了测试，它运行良好，而使用 det(A) 时，计算机内存不足并停止计算。

计算机图形学第二张课后题第五题，绘制递归深度为n的五边形和五角星的嵌套结构（OnDraw（）函数中进行绘制），并且添加了对话框结构。

Python零基础10天进阶班【面向对象编程】

语言为C/C++ 主要是对递归，归并，贪心，动态规划几个经典栗子的实现

深度学习 该文件夹包含我的各种AI和机器学习项目的深度学习模型。 长短期记忆（LSTM）卷积神经网络（CNN）ResNet50

C语言多重递归在自相似图形中的应用.pdf

函数 [varargout] = union_several (varargin) % 函数 [varargout] = union_several (varargin) % varargout{1} 是联合向量% varargout{i>1} 是各种 varargin 的索引（按它们的顺序） numarr = 长度（可变参数）； union_arr = 可变参数{1}； 对于 i=1:numarr union_arr= union(union_arr,varargin{i}); 结尾可变参数{1} = union_arr; 对于 i=1:numarr [union_arr, temp,varargout{i+1}]= union(union_arr,varargin{i}); 结尾

斐波那契数列（fibonacci）-java的非递归实现。

基于C语言的递归程序设计分析.pdf