stm32cubemx

视频目标跟踪领域经典论文MIL（Robust Object Tracking with Online Multiple Instance Learning）对应的源码及论文原文（源码包含MATLAB代码和C++代码两个版本）。官方页面上目前已经不再提供源码支持，这是本人以前下载的官方源码，现特此分享供网友学习研究用。压缩包文件清单：1. gsoc11_tracking-master.zip2. MilTracker-V1.0.zip3. MilTrack_matlab_v1.0.rar4. MilTrack_matlab_v1.0_runnable_and_with_comment

基于ICA独立成分分析法写得MATLAB人脸识别程序，可在多种人脸数据库上运行，本人千辛万苦找的程序，分享给和我一样的想学人脸识别的初学者，赶快下载吧，呵呵

利用M函数仿真扩频通信系统。6个用户的CDMA的同步通信系统，每个用户利用L＝20的伪随机序列码进行扩频，信道为AWGN信道，接收端利用匹配滤波器进行检测。绘出当N＝10000个发射比特下，SNR＝0：15（dB）时的误码率曲线。

非常好的滑模变结构方面的书籍，很适合初学者和工程人员的入门学习

软件工程课程设计图书馆管理系统,java实现图书管理系统，我做软件工程课程设计时的作品，文档资料全面

【实例简介】在工业中应用最为广泛的一种整流电路，其实质是一组共阴极与一组共阳极的三相半波可控整流电路的串联。习惯将其中阴极连接在一起的三个晶闸管(VT1、VT3、VT5)称为共阴极组;阳极连接在一起的三个晶闸管VT4、VT6、VT2)称为共阳极组。三相整流变压器采用Dy联结，由于共阳极组在电源正半周导通，流经变压器二次绕组的是正向电流，共阴极组在电源负半周导通，流经变压器二次绕组的是反向电流，因此一个周期中，变压器绕组中没有了直流磁动势，有利于减小变压器磁通、电动势中的谐波。此外，习惯上希望晶闸管按从1~6的顺序导通，为此将晶闸管按图示的顺序编号，即共阴极组中与a、b、e三相电源相接的三个晶闸管分别为VT1、VT3、VT5，共阳极组中与a、b、e三相电源相接的三个晶闸管分别为VT4、VT6、VT2。三相桥式全控整流电路必须用双窄脉冲或宽脉冲触发，其移相范围为0°~120°，最大导通角为120°。它主要用于电压控制要求高或要求逆变的场合。

由Thomas Mejer Hansen编写，读取Segy数据，提取道头和卷头信息，以及GUI包

【实例简介】使用Qt实现与QQ 几乎一致的 表情窗口，能够自定义表情窗口（包括表情的行列数 ， 表情的大小，表情的个数、最大行数等） 可以关注我的博客中Qt 之 QQ系统表情:http://blog.csdn.net/goforwardtostep?viewmode=list

【实例简介】基于LabView编写的虚拟电压表的设计和虚拟数字万用表，是实验室做的东西，很好用

人脸检测和人脸识别都是属于典型的机器学习的方法，但是他们使用的方法却相差很大。对于人脸检测而言，目前最有效的方法仍然是基于Adaboost的方法。在网上可以找到很多关于Adaboost方法的资料，但基本上是千篇一律，没有任何新意。给初学者带了很多不便。建议初学者只需要认真阅读：北京大学 赵楠 的本科毕业论文 ：基于 AdaBoost算法的人脸检测 这篇毕业论文就够了。作者详细分析了Adaboost算法在人脸检测中的具体执行过程，尤其是关于弱分类器的Haar特征选取过程，描述的相当清晰。北京大学太科生业论文最后一章,用编写的实现了 Adaboost算法的FDt程序,给出了相应的人脸检测实验结果,并和 Viola等人的结果做了比较关键词 Keywords∧ adaboost方法、人脸检测、 Boosting方法、PCA学习模型、弱学习工工TI北京大学太科生业论文谨以此论文献给A腺嘌呤、T胸腺嘧啶、G鸟嘌呤、C胞嘧啶、1和0-智能的基本构件和开拓智能研究的伟大先驱者们This dissertation is dedicated toA, T, G, C, 1 and o, the building blocks ofintelligence.andto the pioneers uncovering the foundations ofintelligence.北京大学太科生业论文正文目录 Contents摘要 ABSTRaCTI正文目录 CONTENTS图录LISTOFFIGURES…I表目录LISTOF TABLES····················a···········ba·。·········。··。······VIII人脸检··11概12难点与展望213人脸检测方法的性能评测1.31人脸图像数据库………41.3.2性能评测.2检测方法分类…2,1基于知识的方法●●●●●·●··●●●●●D·●b●鲁●·●●●。●。D●●·●●·●·。D。●。·。。●●●D·●看●。·●。·D●看●看。●。●8北京大学本科生毕业论文22特征不变量方法3模板匹配方法●香●鲁●鲁·●D·。●·。●·鲁●●鲁·●鲁鲁●●●鲁●·鲁··。●·●鲁音·●鲁。●···。·●●●鲁自●·鲁鲁。●●●b·●鲁自非b●●。●10基于表象的方法113经典方法概述···············.s.····················································121神经网络NEURALNETWORK232特征脸EIGENFACE1333基于样本学习方法 EXAMPLE-BASEDMETHODS34支持向量机 SUPPORTⅴ ECTOR MACHINE(SVM)........1535隐马尔科夫模型 HIDDEN MARKOV MODEL(HMM)4 ADABOOST方法概述164.1引2 PAC学模164.21概述14.22数学描述音音音。音音…………………………17V工北京大学太科生业论文43弱学习强学1844BOOSTING方法5矩形特征与积分图a···············4·················4··4········‘·4······4··4······2051引言··········.·········································.···········252矩形特征 RECTANGLE FEATURE2521概述.205.22特征模版.21检器内特征总数2252.31子窗口内的条件矩形5232条件矩形的数量…52.33子窗口的特征矩形数量.2352.34结果2453积分图 INTEGRAL IMAGE25531概念含………………25532利用积分图计算矩形特征值.27V工I北京大学太科生业论文5.32.1图像区域的积分图计算.5322矩形特征的特征值计算86 ADABOOST训练算法●●●D··●·●···●●。·●·。·●●鲁·●··。·●。·●鲁。●自·鲁。●。●●b·。·●。●鲁306.1训练基本算法·●。●。·●··●●·●。鲁鲁●●b·●鲁●··●·●。。●看●。鲁●·●●香···曲鲁鲁●鲁●306.1.1基本算法描述306.12基本算法流程图3262弱分类器 WEAK CLASSIFER33621特征值f(x)62阈值q、方向指示符p38623弱分类器的训练及选取…...83强分类STRONGCLASSIFIER40631构成40632错误率上限407程序实现及结果.………4371样本集●●·●·····●···········●··············●·······●··●·●·····●··········●··········●··●··●4372练难点及优化44721计算成本14V工工T北京大学本科生毕业论文7.2.2减少矩形特征的数量……省着音自··。·非。。音音。非D音音普申普普普非非非非着44723样本预处理4573检测结果467.31检测器……46732实验结果..477321实验对比477.322更多实验结果49733结论53致谢 ACKNOWLEDGMENTS54参考文献REFERENCES54Ver o76图目录 List of Figures人脸析流程2图2人脸的遮挡、不同表情、图像的质量、旋转等等都会影响人脸检测.3图3典型的正面人脸图像数据库中的人脸图像.图4左侧为测试图像,右侧为检测结果。不同的标准会导致不同的检测结果。北京大学本科生毕业论文图5基于知识的人脸检测方法抽象出人脸的基本特征规则图6—种人脸检测模板:这个模板由16个区域(图中灰色部分)和23种区域关系(用箭头表示)组成.10图7 ROWLEY的带有图像预处理的神经网络系统…13图8人脸高斯簇和非人脸高斯簇14图9矩形特征在人脸上的特征匹配。上行是24×24子窗口内选出的矩形特征,下行是子窗口检测到的与矩形特征的匹21图10计算mXm检测器内所有可能的矩形的数量。22图11积分图与积分的类比25图12坐标A(x,y)的积分图定义为其左上角矩形所有像素之和(图中阴影部分)。s(x,y)为A(x,y)及其y方向向上所有像素之和(图中粗黑竖线)26图13区域D的像素和可以用积分图计算为:i+i-(i2+i)图14矩形特征的特征值计算,只与此特征端点的积分图有关…...9