基于支持向量机的未知物体分类方法研究，魏朝鹏，何儒勇，针对MNIST手写体数字集，本文利用线性判别分析方法提取出各手写体数字图像的特征向量，并根据该特征向量设计出应用于鬼成像系统的�

YOLOv7 在 5 FPS 到 160 FPS 范围内的速度和准确度都超过了所有已知的物体检测器，并且在 GPU V100 上 30 FPS 或更高的所有已知实时物体检测器中具有最高的准确度 56.8% AP。https://wanghao.blog.csdn.net/article/details/126361009

6DOF_PoseEstimation Kinect2.0实现估算长方体物体三维姿态并实时显示

通过matlab，利用帧差法和灰度级的不同，检测出运动的物体，并用矩形框框出来。其中有详细的讲解。并且文件可运行出来

opencvsharp移动物体检测监控（源码范例），有助于学习

物体运动检测电路.zip电子电路图PCB单片机设计案例资料物体运动检测电路.zip电子电路图PCB单片机设计案例资料物体运动检测电路.zip电子电路图PCB单片机设计案例资料物体运动检测电路.zip电子电路图PCB单片机设计案例资料 1.合个人学习技术做项目参考合个人学习技术做项目参考 2.适合学生做毕业设计项目参考适合学生做毕业设计项目技术参考 3.适合小团队开发项目技术参考适合小团队开发项目技术参考

该代码提供一个用于从背景单一、物体相对简单且相互分离的图片中获得图片中的物体最小外接圆的圆心与半径的matlab函数：[PIC,center,radius]=m_minCircumferentialCircle(pic,background)；进而在其原图上通过所得圆心位置、圆半径对每个分离的物体利用画线函数画出最小外接圆。该代码中并给出了测试代码，下载后可直接运行测试代码查看测试效果；详情可见个人博客：https://blog.csdn.net/BinHeon/article/details/90522071

视觉伺服技术在诸多工业场景中都有相当大的应用前景。传统的视觉伺服方法，通常要求使用高帧率的相机来实现高精度的视觉伺服。高帧率相机的成本之高，使得一般工业用户望而却步。提出了一种新的视觉伺服控制方法，该方法将机器人的运动反馈与视觉传感信号进行了融合，用来产生机器人的运动控制信号。与传统的仅基于视觉反馈伺服的控制方法相比，新方法的运动控制频率与视觉反馈频率（即相机帧率）无关，因此能在低相机帧率条件下，实现高精度的动态视觉伺服。概述了新视觉伺服方法的控制架构，通过动态物体跟踪实验证明了新方法的可行性，并通过性能测试实验说明了新方法在低帧率条件下仍能实现较高精度的视觉伺服。

在OpenCV和C++的框架下实现的，这个程序可以在.Net下运行，并且返回位置的坐标和跟踪物体。

功能是调用陀螺仪，在Y轴上左右旋转相机，在相机的视野中物体一直存在不会跑出视野