基于yolov5和大疆教育无人机TelloTT实现目标识别测距追踪源码+训练好的模型数据.zip提供训练好的模型，调用方法如下： 模型加载 model = DetectApi(weights=['.\yolov5_new\weights\best.pt'], nosave=False) 目标检测 img_path = '.\img\20.jpg' #待检测图片 res = model.detect(source=img_path) print(res) #显示检测结果 识别后的结果默认存放在yolov5_new/runs/detect/exp*文件夹下 基于yolov5和大疆教育无人机TelloTT实现目标识别测距追踪源码+训练好的模型数据.zip提供训练好的模型，调用方法如下： 模型加载 model = DetectApi(weights=['.\yolov5_new\weights\best.pt'], nosave=False) 目标检测 img_path = '.\img\20.jpg' #待检测图片 res = model.detect(source=img_path) pr

Email tracker 扩展包

基于 MATLAB 的开源软件，用于使用光线追踪算法生成室内可见光通信脉冲响应 Indoor_VLC_Ray_Tracing

用python复现了InOneWeekend中的光线追踪代码，使用了Numpy库，图片保存使用了opencv库。仅供学习。

光线追踪算法_100行python代码pdf.pdf

对车辆轮廓进行检测。运用一种基于开源计算机视觉库OpenCV的轮廓检测新方法。首先对图像进行形态学去噪、平滑滤波处理和二值化阈值分割等预处理 ，获得二值化黑白图像。然后通过轮廓提取和跟踪检测到车辆外轮廓线在Python环境下，利用 OpenCV编程实现了此方法。 通过提取全景图，在图像场景中由于目标和背景的温差较小，从而导致图像的对比度很低，为了提高图像的对比度，增强图像。虽然图像增强并不能增加图像数据中的信息量，但是它却能够增加所选择特征的动态范围，从而使这些特征更容易地被检测和识别，并进行后期树木消除，并得到相对清晰的原树模型与对比示意，并反馈车辆进行前期预警。 OpenCV提供的视觉处理算法非常丰富，并且以Python语言编写，加上其开源的特性，处理得当，不需要添加新的外部支持也可以完整的编译链接生成执行程序。不同的树木视觉图像是千差万别的，虽然我们可以把树木的主要特征提取出来，但是其视觉图像背景不可避免会出现一些干扰因素。我们可以采用面积法，利用OpenCV强大的数据库，即可计算出整个轮廓或者部分轮廓的面积，进入引导OpenCV进入前期检测与追踪的开展，进而支持智能驾驶。

综述了群签名的定义与安全模型的演化、当前主流的基于ROM模型与标准模型的群签名方案及其构建技巧与方法, 并进行了比较; 讨论了当前实现群签名成员撤销这一重要操作的主要方法, 探讨了与群签名相关并有时容易混淆的一些密码系统概念。最后提出了群签名进一步的研究方向。

平行光线追踪 这是使用 OpenMP 和 Cuda 的 C++ 光线跟踪实现。 这段代码实现了光线与球体和平面的相交。 也有反思。 它在 ubuntu 14.04 上实现和测试，使用 g++ 4.8.2 编译。 有一个构建三个可执行文件的极简生成文件：RayTracing RayTracing_openmp 和 RayTracing_cuda。 跑步 可执行文件将在文件夹“build”中创建。 要运行该程序，只需键入 ./RayTracing_，将所需的宽度、高度和 fov（视野）作为参数传递——最后一个参数是可选的（默认值为 60º）。 例子 在构建源代码后键入以下命令生成以下图像： ./RayTracing_openmp 800 600 60 自由贡献。

复现yolov5行人追踪，计数功能。

本代码介绍： 2019-nCoV疫情期间，为人们更了解疫情发展趋势及自己定制展示页面内容，利用Python+Django+echarts并且利用腾讯疫情追踪数据来展示相关页面内容。 主要功能有：通过地图显示各个省份最新消息，点击后可显示省份详细消息；显示数据趋势的曲线，并可自己定制；显示最新新闻；数据下载等。 （PS：本项目启动的时候访问一次腾讯新闻服务器，手动点击刷新的时候访问腾讯新闻服务器，并不是实时刷新，而且只是获取两个json文件，还不如我们看新闻获取内容多，所以不会给人家服务器造成压力）