基于opencv3.3 的Roberts算子边缘能检测，C++代码实现。

利用python实现遗传算法对正常流量和恶意流量进行区分，类似于AIS，IDS

基于小型Zynq SoC硬件加速的改进TINY YOLO实时车辆检测算法实现.pdf

本周暂时比较清闲，可以保持每日一更的速度。 国外身份证项目新增需求，检测出身份证正面的人脸。最开始考虑mobilenet-ssd，经同事提醒，有现成的人脸库dlib，那就用传统方法尝试一下。 dlib安装 dlib的安装小费一波周折，我的python版本是3.6，直接pip install dlib安装失败。https://pypi.org/project/dlib/19.6.0/找到python3.6对应的whl文件下载安装或者直接pip install dlib==19.6.0 提示Successfully installed dlib-19.6.0安装成功。事情没那么简单，import

使用PCL实现的欧几里德聚类ROS节点，配合地面过滤可实现较为理想的激光雷达障碍物检测 使用PCL实现的欧几里德聚类ROS节点，配合地面过滤可实现较为理想的激光雷达障碍物检测

本资源是一种基于霍夫变换的矩形检测方法，采用matlab语言实现，提供了很多矩形检测的实例。大学毕业设计可以使用。

本期我们将展示一种对路面类型和质量进行分类的方法及其步骤。为了测试这种方法，我们使用了我们制作的RTK数据集。 路面分类 该数据集[1]包含用低成本相机拍摄的图像，以及新兴国家常见的场景，其中包含未铺砌的道路和坑洼。路面类型是有关人或自动驾驶车辆应如何驾驶的重要信息。除了乘客舒适度和车辆维护以外，它还涉及每个人的安全。我们可以通过[2]中的简单卷积神经网络（CNN）结构来实现。 在这种方法中，我们对表面类型分类任务使用特定的模型，我们将其定义为以下类别：沥青，已铺设（用于所有其他类型的路面）和未铺设。对于表面质量，我们使用其他三种不同的模型，每种类型的表面都使用一种。这四个模型都具有相同

python+opencv车道线检测（简易实现） 技术栈：python+opencv 实现思路： canny边缘检测获取图中的边缘信息； 霍夫变换寻找图中直线； 绘制梯形感兴趣区域获得车前范围； 得到并绘制车道线； 效果展示： 代码实现： import cv2 import numpy as np def canny(): gray = cv2.cvtColor(lane_image, cv2.COLOR_RGB2GRAY) #高斯滤波 blur = cv2.GaussianBlur(gray, (5, 5), 0) #边缘检测 canny_img = cv

看CSDN这里没有人分享，就从Github上搬过来了，侵删 Summary: Calculates local outlier factor for each sample in test dataset according to training data Notes: It is assumed that data is normalized appropriately and categorical features in data are converted to continuous values. Please see functions under dataset folder for this purpose.

对输入的视频进行实时边缘检测实现，算法是canny边缘检测算法。