针对视频监控图像中存在各类条纹噪声的问题，根据条纹特性和受干扰图像帧的频域特征，提出了一种快速检测监控录像周期性条纹的算法。根据相对距离将频谱图分成两个子块，再运用行列累积函数或阈值检测各子带是否存在异常亮点，进而确定图像帧是否存在条纹噪声。利用频率谱中异常点的对称特性可减少遍历次数，有效提高了算法的运行效率。实验结果表明，该算法对监控视频序列中的多种周期性条纹具有良好的检测效果，并提高了计算速度。

加密锁检测工具

MATLAB的很好的程序，对直线提取的效果很好，希望能对你有用

常规的行人目标检测方法往往以底层特征为基础，采用密集窗口扫描的分类检测模式，其计算资源开销大而难以满足快速性要求。针对此问题，研究了一种新的行人目标快速检测方法。引入视觉选择性注意计算进行目标候选区域定位，通过提取候选区域的积分有向梯度直方图IHOG（integrated histogram of oriented gradient）特征和局部二值模式LBP（local binary pattern）特征以形成组合优势，通过级联支持向量分类方式对区域内容进行分级检测，实现了快速、可靠的行人目标检测。 DE

为了准确定位电压暂降扰动和精确测量暂降幅值, 提出了一种将新型Teager能量算子(NTEO)和有效值算法结合进行暂降检测的新方法。通过引入分辨率参数i对Teager能量算子（TEO）进行改善, 得到抗噪性能更优越的NTEO算法, 利用NTEO算法定位电压暂降扰动起止时刻, 并采用有效值（RMS）方法对所定位的暂降进行幅值测量。仿真结果表明, 该算法与小波变换相比实时性更强, 并弥补了TEO抗噪性能较差和RMS方法不能准确定位扰动的不足, 能够快速、准确地检测到电压暂降。

吠 一个golang看门狗，用于快速检测和重新启动子进程 概括 观察子进程，并在状态更改（例如终止）后立即得到通知。 补救Go stdlib中的不足。 相关灵感： a）使用golang stdlib os.Process.Wait在OSX上检测子进程故障可能需要30秒钟。 哎哟。 b）伊恩·兰斯·泰勒（Ian Lance Taylor）在此线程中建议了Wait4方法，伊戈尔·布卡诺夫（Igor Bukanov）表示这种方法在他的用例中效果很好； 我在这里确认React是Swift的。 树皮提供了什么 树皮库提供了监视子进程，在失败时自动重新启动子进程以及在请求时将其关闭（SIGKILL或杀死-9）的功能。 简单快捷。 使用/示例 import ( "github.com/betable/bark" ) ... watcher := NewWatchdog(nil, "/pat

一种面向监视场景的斗殴行为快速检测算法.txt

一种改进型数字图像中直线特征的快速检测方法，用matlab编写的，感兴趣的同学可以学习

美食该如何制作？食品安全以什么为标准？用什么来检测食品成分？这么一份食品安全现场快速检测分析方法来...该文档为食品安全现场快速检测分析方法，是一份很不错的参考资料，具有较高参考价值，感兴趣的可以下载看看

农产品中克百威的快速检测方法 胶体金 免疫层析法