Happy520-ship-it / rentixingweishibie
本文设计了一款人体行为异常监控系统，主要适用人群是老年人，在摄像头固定的情况下，自动检测人体运动轨迹，并与提前设定好的行为库进行匹配，分析判断是否具有异常行为。 在数字图像预处理部分采用了图像二值化，腐蚀与膨胀等几种方法为人体目标的跟踪和检测做准备。为了克服在实际操作中遇到的问题，采用了帧差法和ViBe算法，帧差法即利用帧间变化与当前帧、背景算法来判断它是否大于阈值，并分析视频中序列的运动特性，ViBe算法则是一种背景建模的方法，背景模型是由邻域像素来创建，并对比背景模型、当前输入像素值检测出前景，确定视频中的目标跟踪。在人体行为识别中，运动目标最小长宽比以及连续帧间的加速度来判断人体行为是否异常，如果检测到异常的行为比如说摔倒、快跑等行为，在识别的过程这种实时监测。
☆21Updated 3 years ago
Alternatives and similar repositories for rentixingweishibie:
Users that are interested in rentixingweishibie are comparing it to the libraries listed below
- 毕业设计：行人检测系统，pyqt + opencv☆49Updated 3 years ago
- 用matlab识别图片中的水果☆22Updated 6 years ago
- OpenCV图像处理的信用卡，卡号数字识别☆54Updated 5 years ago
- 本科毕业设计-基于YOLOv5的异常行为检测☆26Updated 2 years ago
- 本课题利用 CCPD 数据及自生成的高清车牌数据，基于加入注意力机制以及轻型卷积改良的 YOLO 目标检测算法检测车牌，同时利用自定义的 ResNet+Transformer 网络构成字符识别算法用于识别检测出的车牌内容信息。所设计的模型提升了平均精度（mAP）值，降低了计…☆79Updated last month
- 基于OpenPose与随机森林的驾驶员检测系统，包含姿态检测与疲劳检测☆40Updated 2 years ago
- 使用Pyqt5搭建YOLO系列多线程目标检测系统☆62Updated 2 years ago
- 基于matlab和计算机视觉实现的手势识别☆26Updated 7 years ago
- 监控视角下车辆检测和测速☆21Updated 2 years ago
- 基于Opencv的车道线检测：1. 图像加载；2.图像预处理：图片灰度化，高斯滤波；3.Cany边缘检测；4.感兴趣区域检测；5.霍夫直线检测 ；6.直线拟合；7.车道线叠加；8.图片和视频测试；9.可视化界面pyqt5 （可选）。☆80Updated 3 years ago
- 这是一个利用yolov5 和deepsort算法制作的跟踪、人流统计项目，包含了闯红灯，车辆统计等功能☆14Updated 2 years ago
- 本项目针对传统车道线检测鲁棒性较差的现象，通过运用YOLOV7与DeepLabv3+的图像深度学习算法对特定数据集进行模型训练，开发了一款能调用车载摄像头来识别道路环境，并用语音告知驾驶员偏离车道，前方车距等驾驶信息偏离预警系统，辅助驾驶员更加安全高效的行驶。☆55Updated 2 years ago
- 疲劳检测-危险驾驶检测☆75Updated 2 years ago
- 基于opencv dlib的疲劳驾驶检测系统☆80Updated 2 years ago
- 基于YOLOv8的多端车流检测系统（用于毕设+开源）☆84Updated last year
- 大四毕业设计做的基于树莓派的人脸识别系统（调用百度云api）☆31Updated 5 years ago
- 人工智能大作业-无人机图像目标检测☆72Updated 4 years ago
- 基于YOLOV3、卡尔曼滤波、匈牙利算法、虚拟线圈的车流量检测项目☆23Updated 3 years ago
- use pyqt5 to build yolov5☆83Updated 11 months ago
- 使用yolov5与deepsort实现车辆目标跟踪与应用☆22Updated 2 years ago
- YOLOv5的7.0版本+pyqt5界面+人脸表情识别☆27Updated last year
- 在 win10 运行 yolov5 deepsort 行人 车辆 跟踪 检测 计数☆143Updated 3 years ago
- 基于小目标检测头的改进YOLOv5红外遥感图像小目标检测系统☆53Updated last year
- 一款基于深度学习，提供数据标注、模型训练、模型部署、基于已有模型自动标注等功能的计算机视觉一体化平台。 操作简单，无需深度学习理论即可实现AI落地。处理分类、目标检测、目标跟踪等计算机视觉任务。 应用场景：交通执法（车辆违停、行人乱穿马路等）、工业检测（缺陷检测、物体分拣等…☆129Updated 4 years ago
- pytorch+MINIST实现手写数字识别☆193Updated 5 years ago
- 基于YOLOv8和PYQT5的检测界面☆35Updated last year
- 基于深度学习的车牌识别GUI项目☆33Updated 2 years ago
- ☆14Updated 2 years ago
- 使用Harris角点检测算法、最小二乘拟合、随机抽样一致算法(RANSAC)以及 HOG 描述符、线性融合等计算机视觉算法，使用Matlab实现将多张图像拼接成一张全景图。☆14Updated 3 years ago
- 一种基于YOLOv3/4的双流混合模态道路行人检测方法🌊💧💦。☆49Updated 3 years ago