基于HEVC的屏幕视频编码根据屏幕视频的特征，引入了调色板模式、基于Hash的块匹配算法等新技术。这些新技术虽然提升了编码的质量，但同时增加了编码器的复杂度。为降低屏幕视频编码器的复杂度，提出了一种基于调色板模式的屏幕视频帧内编码快速算法。该算法结合了屏幕视频的特征和帧内编码模式的空间相关性，有效地减少了帧内编码单元的模式搜索范围。该算法可以在保证视频编码质量的前提下，有效降低编码复杂度，减少编码时间。在屏幕内容编码的标准测试平台SCM5.4的实验结果显示，本算法可以降低21%的编码时间，同时只引起0.93%的BDRate的上升。

学习SLAM-用四元数插值来对齐IMU和图像帧，内含自动驾驶完整学习资料

实现发送自定义以往帧，以及raw_socket实现UDP发送，伪装IP头，大包IP分片与重组，checksum计算和大包分片时偏移值计算,编译直接可用。

一种运动目标检测程序，很好的实现了运动目标的检测，为后续的处理提供了帮助。

带板检测的车辆速度估算 该项目的主要目标是使用深度学习和机器学习算法来识别超速车辆。 从视频中获取一系列图像后，使用Haar Cascade分类器检测卡车。 使用大量正负图像训练分类器模型，以制作XML文件。 接下来是跟踪车辆并借助其各自的位置，ppm（每米像素）和fps（每秒帧）来估计车辆的速度。 现在，已识别卡车的裁剪图像将被发送以进行车牌检测。 CCA（连接组件分析）有助于进行车牌检测和字符分割。 使用字符图像（20X20）对SVC模型进行训练，并且为了提高准确性，还完成了4次交叉折叠验证（机器学习）。 该模型有助于识别分段字符。 识别后，将卡车的计算出的速度及其车牌号一起输入到excel表中。 还为这些卡车分配了一些ID，以生成系统化的数据库。 要运行Speed_Detection _＆_ License_Plate_Detection.py，请按照以下步骤操作： 从此站点下载

Android下逐帧动画的Demo，详细参见博客：http://www.cnblogs.com/plokmju/p/android_AnimationDrawable.html

CANOpen系列教程04_CAN总线波特率、位时序、帧类型及格式说明

功能点 从连续的字节块中，解析分割出多个H264帧数据 通过MediaCodec解码H264帧 通过SurfaceView播放

CAN报文的传送和帧结构。 构成一帧的帧起始、仲裁场、控制场、数据场和CRC序列均借助位填充规则进行编码。当发送器在发送的位流中检测到5位连续的相同数值时，将自动在实际发送的位流中插入一个补码位。而数据帧和远程帧的其余位场则采用固定格式，不进行填充，出错帧和超载帧同样是固定格式。报文中的位流是按照非归零（NZR）码方法编码的，因此一个完整的位电平要么是显性，要么是隐性。 在“隐性”状态下， CAN

ViBe算法是一种快速高效的背景建模算法，但该算法在运动目标检测过程中会产生鬼影。针对ViBe算法中鬼影消除缓慢的问题，结合多个场景的交通视频提出一种通过连续两帧前景背景像素时域变化来判断鬼影像素点并消除的方法，该方法加快了鬼影的消除速度。同时，对于视频拍摄场景中的背景噪声，采用了对前景图进行开闭操作去除小像素点以及对目标区域的空洞进行填充处理。实验表明，改进的ViBe算法能够加快鬼影的消除，并且与帧差法以及混合高斯建模算法相比，前景检测效果更精确。