这是我参加百度 “ 人群密度检测 ” 比赛训练的模型,可利用百度Paddle平台导入该模型对图片或视频流信号进行人流密度检测。
2022-01-03 10:03:45 57.62MB 深度学习 人群密度检测 模型
1
基于卷积神经网络的人群计数研究.pdf
2022-01-02 18:03:04 1.79MB 神经网络 深度学习 机器学习 数据建模
算法功能:建立图像特征和图像人数的数学关系 算法输入:训练样本图像1,2…K 算法输出:模型估计参数 ,参考图像 算法流程:1)对训练样本图像进行分块处理(算法1.1); 2)通过算法1.2,计算训练样本各个对应分块的ALBP特征归一化,再用K-means算法(可使用opencv等算法库实现,不再描述其算法),将图像块分成k(k
2021-12-31 09:13:59 5.3MB 人群密度估计
1
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。
2021-12-27 17:57:05 3.53MB 人群监控,密度估计,纹理分析
1
胡润百富&泰康-中国高净值人群医养白皮书-201709-48页.pdf
2021-12-20 21:09:07 7MB 医疗养生 招商信诺
1
2020H1中国老年人群画像及消费模式调查分析报告 精简版.pdf
2021-12-18 11:51:40 7.69MB 行业 报告 文档
随机游走matlab代码QUT 随机游走 使用随机游走的人群在大学校园内行走的 Matlab 模拟 人群在大学校园内行走的行为是使用随机行走来模拟的。 该项目的目的是确定哪些区域和建筑物将被访问最多,假设人口的随机步行行为。 基本概述 粒子代表校园里的人,被赋予固定的步长,并随机向左、向右、向上或向下移动多次迭代。 在每个方向上步进的概率取决于粒子在地图上的位置。 路径上的粒子更有可能跟随所述路径的方向,而交叉点处或建筑物内的粒子向任一方向移动的概率相等。 击中障碍物(走出路径或建筑物)时,粒子将“后退”以确保它们始终位于路径或建筑物内。 可以显示模拟的动画。 在模拟结束时,会生成一个直方图,详细说明每个建筑物的访客统计数据。 代码结构 所有源代码都可以在文件夹中找到 主要模拟文件。 用户可以选择显示动画,或在路径中随机分布粒子。 粒子数、模拟步骤数和 deltax/deltay 值也可以修改为其他正整数。 在地图上的“允许”区域随机生成粒子的辅助函数。 “允许”区域用逻辑掩码图像指示。 下面是模拟中使用的逻辑蒙版图像,用于在路径上生成粒子。 确定哪些粒子与障碍物发生碰撞的辅助函数。
2021-12-16 20:35:27 10.89MB 系统开源
1
针对现有方法在高密度场景人群密度估计不够准确的问题,提出了Gabor滤波结合最小二乘支持向量机(LS-SVM)的人群密度估计算法。首先,设计一组单独的二维Gabor滤波器应用在人群图像中以产生相应的滤波通道。然后,通过计算这些通道上灰度值的均值和方差得到特征向量。最后,采用最小二乘支持向量机分析特征向量和人数之间的关系,完成最终的密度估计。在UCSD数据集和Mall数据集上的实验显示,提出的方法实现了更快的执行时间和更好的精度,证明了基于Gabor滤波器和LS-SVM的人群密度估计算法的有效性。
1
Unity Population System PRO_人群行为插件_原价100刀+,链接:https://pan.baidu.com/s/1hG7PcWo4BIq5UbxLDigC3A,购买之前请先确认链接可用,文件里是链接密码。资源仅供大家学习交流,下载的文件很小,是因为这是网盘的资源链接的密码,资源在网盘中,请大家确认链接有效后,放心下载。
2021-12-07 10:36:25 4B 人群行为 插件 unity
1
基于STM32智能调速风扇概述: 本系统由主控台和工作区两部分组成。主控台通过TFT液晶触屏设定阈值温度等信息后,由单片机STM32经无线收发模块传送至工作区。 工作区内由单片机AT89S52控制DS18B20采集环境温度,当温度达到设定阈值时,AT89S52单片机与ATmega16单片机交换信息,ATmega16控制热释红外传感器进行人群位置定位,从而通过PWM控制电机和舵机做相应动作。 系统设计框图: 视频演示: 参数设置程序流程图:
2021-12-04 15:53:11 2.22MB pwm控制 智能风扇 电路方案
1