别人给的各种运动目标检测方法的代码,不知道少了什么东西一直调不通

1.我用的是VS2013,配置的是OpenCV3.4.0,运行如下程序的时候就说有许多未定义的标识符,琢磨了好久就是不知道哪里出了问题。求大神帮我看看程序。看看哪里出了问题,,需要的话我可以把整个程序发过去,(有偿)

#include <opencv2/highgui/highgui.hpp>
#include <opencv2/core/core.hpp>
#include <stdio.h>
#include <stdlib.h>
//#include "cvaux.h"
#include "codeb.h"


int CVCONTOUR_APPROX_LEVEL = 2;   
int CVCLOSE_ITR = 1;

#define CV_CVX_WHITE    CV_RGB(0xff,0xff,0xff)
#define CV_CVX_BLACK    CV_RGB(0x00,0x00,0x00)

codeBook* cA;
codeBook* cC;
codeBook* cD;  
int maxMod[CHANNELS];   
int minMod[CHANNELS];   
unsigned cbBounds[CHANNELS]; 
bool ch[CHANNELS];      
int nChannels = CHANNELS;
int imageLen = 0;
uchar *pColor;
int Td; 
int Tadd; 
int Tdel; 
int T=50; 
int Fadd=35;            
int Tavgstale=50;       
int Fd=2;               
int Tavgstale_cD=50;    
int fgcount=0;
float beta=0.1f;
float gamma=0.1f;
float forgratio=0.0f;
float Tadap_update=0.4f;

int clear_stale_entries(codeBook &c);
uchar background_Diff(uchar *p, codeBook &c, int numChannels, int *minMod, int *maxMod);
int update_codebook_model(uchar* p,codeBook& c,unsigned* cbBounds,int numChannels);              
int trainig_codebook(uchar* p,codeBook& c,unsigned* cbBounds,int numChannels);
int training_clear_stale_entries(codeBook &c);
int det_update_codebook_cC(uchar* p,codeBook& c,unsigned* cbBounds,int numChannels);
int det_update_codebook_cD(uchar* p,codeBook& c,unsigned* cbBounds,int numChannels, int numframe); 
int realtime_clear_stale_entries_cC(codeBook &c, int FrmNum);
int realtime_clear_stale_entries_cD(codeBook &c, int FrmNum);
int cD_to_cC(codeBook &d, codeBook &c, int FrmNum);
uchar background_diff_realtime(uchar* p,codeBook& c,int numChannels,int* minMod,int* maxMod);


void help() {
    printf(
        "***Keep the focus on the video windows, NOT the consol***\n"
        "INTERACTIVE PARAMETERS:\n"
        "\tESC,q,Q  - quit the program\n"
        "\th    - print this help\n"
        "\tp    - pause toggle\n"
        "\ts    - single step\n"
        "\tr    - run mode (single step off)\n"
        "=== CODEBOOK PARAMS ===\n"
        "\ty,u,v- only adjust channel 0(y) or 1(u) or 2(v) respectively\n"
        "\ta    - adjust all 3 channels at once\n"
        "\tb    - adjust both 2 and 3 at once\n"
        "\ti,o  - bump upper threshold up,down by 1\n"
        "\tk,l  - bump lower threshold up,down by 1\n"
        "\tz,x     - bump Fadd threshold up,down by 1\n"
        "\tn,m     - bump Tavgstale threshold up,down by 1\n"
        "\t        Fadd小更新快,Tavgstale大更新快\n"
        );
}

int count_Segmentation(codeBook *c, IplImage *I, int numChannels, int *minMod, int *maxMod)
{
    int count = 0,i;
    uchar *pColor;
    int imageLen = I->width * I->height;

    //GET BASELINE NUMBER OF FG PIXELS FOR Iraw
    pColor = (uchar *)((I)->imageData);
    for(i=0; i<imageLen; i++)
    {
        if(background_Diff(pColor, c[i], numChannels, minMod, maxMod))
            count++;
        pColor += 3;
    }
    fgcount=count;
    return(fgcount);
}

void connected_Components(IplImage *mask, int poly1_hull0, float perimScale, int *num, CvRect *bbs, CvPoint *centers)
{
    static CvMemStorage*    mem_storage = NULL;
    static CvSeq*           contours    = NULL;
    //CLEAN UP RAW MASK
    cvMorphologyEx( mask, mask, NULL, NULL, CV_MOP_OPEN, CVCLOSE_ITR );
    cvMorphologyEx( mask, mask, NULL, NULL, CV_MOP_CLOSE, CVCLOSE_ITR );

    //FIND CONTOURS AROUND ONLY BIGGER REGIONS
    if( mem_storage==NULL ) mem_storage = cvCreateMemStorage(0);
    else cvClearMemStorage(mem_storage);

    CvContourScanner scanner = cvStartFindContours(mask,mem_storage,sizeof(CvContour),CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE);
    CvSeq* c;
    int numCont = 0;
    while( (c = cvFindNextContour( scanner )) != NULL )
    {
        double len = cvContourPerimeter( c );
        double q = (mask->height + mask->width) /perimScale;   //calculate perimeter len threshold
        if( len < q ) //Get rid of blob if it's perimeter is too small
        {
            cvSubstituteContour( scanner, NULL );
        }
        else //Smooth it's edges if it's large enough
        {
            CvSeq* c_new;
            if(poly1_hull0) //Polygonal approximation of the segmentation
                c_new = cvApproxPoly(c,sizeof(CvContour),mem_storage,CV_POLY_APPROX_DP, CVCONTOUR_APPROX_LEVEL,0);
            else //Convex Hull of the segmentation
                c_new = cvConvexHull2(c,mem_storage,CV_CLOCKWISE,1);
            cvSubstituteContour( scanner, c_new );
            numCont++;
        }
    }
    contours = cvEndFindContours( &scanner );

    // PAINT THE FOUND REGIONS BACK INTO THE IMAGE
    cvZero( mask );
    IplImage *maskTemp;
    //CALC CENTER OF MASS AND OR BOUNDING RECTANGLES
    if(num != NULL)
    {
        int N = *num, numFilled = 0, i=0;
        CvMoments moments;
        double M00, M01, M10;
        maskTemp = cvCloneImage(mask);
        for(i=0, c=contours; c != NULL; c = c->h_next,i++ )
        {
            if(i < N) //Only process up to *num of them
            {
                cvDrawContours(maskTemp,c,CV_CVX_WHITE, CV_CVX_WHITE,-1,CV_FILLED,8);
                //Find the center of each contour
                if(centers != NULL)
                {
                    cvMoments(maskTemp,&moments,1);
                    M00 = cvGetSpatialMoment(&moments,0,0);
                    M10 = cvGetSpatialMoment(&moments,1,0);
                    M01 = cvGetSpatialMoment(&moments,0,1);
                    centers[i].x = (int)(M10/M00);
                    centers[i].y = (int)(M01/M00);
                }
                //Bounding rectangles around blobs
                if(bbs != NULL)
                {
                    bbs[i] = cvBoundingRect(c);
                }
                cvZero(maskTemp);
                numFilled++;
            }
            //Draw filled contours into mask
            cvDrawContours(mask,c,CV_CVX_WHITE,CV_CVX_WHITE,-1,CV_FILLED,8); //draw to central mask
        } //end looping over contours
        *num = numFilled;
        cvReleaseImage( &maskTemp);
    }
    else
    {
        for( c=contours; c != NULL; c = c->h_next )
        {
            cvDrawContours(mask,c,CV_CVX_WHITE, CV_CVX_BLACK,-1,CV_FILLED,8);
        }
    }
}

////////////////////////////
int main(int argc, char** argv)
{
    IplImage* temp1 = NULL;
    IplImage* temp2 = NULL;
    IplImage* result = NULL;
    IplImage* result1 = NULL;
    IplImage* result2 = NULL;

    CvBGStatModel* bg_model = 0;
    CvBGStatModel* bg_model1=0;

    IplImage* rawImage = 0; 
    IplImage* yuvImage = 0; 
    IplImage* rawImage1 = 0;
    IplImage* pFrImg = 0;
    IplImage* pFrImg1= 0;
    IplImage* pFrImg2= 0;
    IplImage* ImaskCodeBookCC = 0;
    CvCapture* capture = 0;

    int c,n;

    maxMod[0] = 25; 
    minMod[0] = 35;
    maxMod[1] = 8;
    minMod[1] = 8;
    maxMod[2] = 8;
    minMod[2] = 8;

    argc=2;
    argv[1]="intelligentroom_raw.avi";
    if( argc > 2 )
    {
        fprintf(stderr, "Usage: bkgrd [video_file_name]\n");
        return -1;
    }

    if (argc ==1)
        if( !(capture = cvCaptureFromCAM(-1)))
        {
            fprintf(stderr, "Can not open camera.\n");
            return -2;
        }

    if(argc == 2)
        if( !(capture = cvCaptureFromFile(argv[1])))
        {
            fprintf(stderr, "Can not open video file %s\n", argv[1]);
            return -2;
        }

    bool pause = false;
    bool singlestep = false;

    if( capture )
    {
        cvNamedWindow( "原视频序列图像", 1 );
        cvNamedWindow("不实时更新的Codebook算法[本文]",1);
        cvNamedWindow("实时更新的Codebook算法[本文]",1);
        cvNamedWindow("基于MOG的方法[Chris Stauffer'2001]",1);
        cvNamedWindow("三帧差分", 1);
        cvNamedWindow("基于Bayes decision的方法[Liyuan Li'2003]", 1);

        cvMoveWindow("原视频序列图像", 0, 0);
        cvMoveWindow("不实时更新的Codebook算法[本文]", 360, 0);
        cvMoveWindow("实时更新的Codebook算法[本文]", 720, 350);
        cvMoveWindow("基于MOG的方法[Chris Stauffer'2001]", 0, 350);
        cvMoveWindow("三帧差分", 720, 0);
        cvMoveWindow("基于Bayes decision的方法[Liyuan Li'2003]",360, 350);
        int nFrmNum = -1;
        for(;;)
        {
            if(!pause)
            {
                rawImage = cvQueryFrame( capture );
                ++nFrmNum;
                printf("第%d帧\n",nFrmNum);
                if(!rawImage) 
                    break;
            }
            if(singlestep)
            {
                pause = true;
            }
            if(0 == nFrmNum) 
            {
                printf(". . . wait for it . . .\n"); 

                temp1 = cvCreateImage(cvGetSize(rawImage), IPL_DEPTH_8U, 3);
                temp2 = cvCreateImage(cvGetSize(rawImage), IPL_DEPTH_8U, 3);
                result1 = cvCreateImage(cvGetSize(rawImage), IPL_DEPTH_8U, 1);
                result2 = cvCreateImage(cvGetSize(rawImage), IPL_DEPTH_8U, 1);
                result = cvCreateImage(cvGetSize(rawImage), IPL_DEPTH_8U, 1);

                bg_model = cvCreateGaussianBGModel(rawImage);
                bg_model1 = cvCreateFGDStatModel(rawImage);
                rawImage1 = cvCreateImage( cvGetSize(rawImage), IPL_DEPTH_8U, 3 );

                yuvImage = cvCloneImage(rawImage);
                pFrImg  = cvCreateImage( cvGetSize(rawImage), IPL_DEPTH_8U, 1 );
                pFrImg1 = cvCreateImage( cvGetSize(rawImage), IPL_DEPTH_8U, 1 );
                pFrImg2 = cvCreateImage( cvGetSize(rawImage), IPL_DEPTH_8U, 1 );
                ImaskCodeBookCC = cvCreateImage( cvGetSize(rawImage), IPL_DEPTH_8U, 1 );

                imageLen = rawImage->width*rawImage->height;

                cA = new codeBook [imageLen];
                cC = new codeBook [imageLen];
                cD = new codeBook [imageLen];

                for(int f = 0; f<imageLen; f++)
                {
                    cA[f].numEntries = 0; cA[f].t = 0;
                    cC[f].numEntries = 0; cC[f].t = 0;
                    cD[f].numEntries = 0; cD[f].t = 0;
                }
                for(int nc=0; nc<nChannels;nc++)
                {
                    cbBounds[nc] = 10;
                }
                ch[0] = true;
                ch[1] = true;
                ch[2] = true;
            }

            if( rawImage )
            {
                if(!pause)
                {                   
                    cvSmooth(rawImage, rawImage1, CV_GAUSSIAN,3,3);

                    cvChangeDetection(temp1, temp2, result1);
                    cvChangeDetection(rawImage1, temp1, result2);
                    cvAnd(result1, result2, result, NULL);
                    cvCopy(temp1,temp2, NULL);
                    cvCopy(rawImage,temp1, NULL);


                    cvUpdateBGStatModel( rawImage, bg_model );
                    cvUpdateBGStatModel( rawImage, bg_model1 );
                }

                cvCvtColor( rawImage1, yuvImage, CV_BGR2YCrCb );
                if( !pause && nFrmNum >= 1 && nFrmNum < T  )
                {
                    pColor = (uchar *)((yuvImage)->imageData);
                    for(int c=0; c<imageLen; c++)
                    {
                        update_codebook_model(pColor, cA[c],cbBounds,nChannels);
                        trainig_codebook(pColor, cC[c],cbBounds,nChannels);
                        pColor += 3;
                    }
                }

                if( nFrmNum == T)
                {
                    for(c=0; c<imageLen; c++)
                    {
                        clear_stale_entries(cA[c]);
                        training_clear_stale_entries(cC[c]);
                    }
                }

                if(nFrmNum > T) 
                {
                    pColor = (uchar *)((yuvImage)->imageData);
                    uchar maskPixelCodeBook;
                    uchar maskPixelCodeBook1;
                    uchar maskPixelCodeBook2;
                    uchar *pMask = (uchar *)((pFrImg)->imageData);
                    uchar *pMask1 = (uchar *)((pFrImg1)->imageData);
                    uchar *pMask2 = (uchar *)((pFrImg2)->imageData);
                    for(int c=0; c<imageLen; c++)
                    {
                        //本文中不带自动背景更新的算法输出
                        maskPixelCodeBook1=background_Diff(pColor, cA[c],nChannels,minMod,maxMod);
                        *pMask1++ = maskPixelCodeBook1;

                        //本文中带自动背景更新的算法输出
                        if ( !pause && det_update_codebook_cC(pColor, cC[c],cbBounds,nChannels))
                        {   
                            det_update_codebook_cD(pColor, cD[c],cbBounds,nChannels, nFrmNum); 
                            realtime_clear_stale_entries_cD(cD[c], nFrmNum);
                            cD_to_cC(cD[c], cC[c], (nFrmNum - T)/5);

                        }
                        else
                        {
                            realtime_clear_stale_entries_cC(cC[c], nFrmNum);

                        } 

                        maskPixelCodeBook2=background_Diff(pColor, cC[c],nChannels,minMod,maxMod);
                        *pMask2++ = maskPixelCodeBook2;  
                        pColor += 3;
                    }

                    cvCopy(pFrImg2,ImaskCodeBookCC);
                    if(!pause)
                    {
                        count_Segmentation(cC,yuvImage,nChannels,minMod,maxMod);
                        forgratio = (float) (fgcount)/ imageLen;
                    }
                }
                bg_model1->foreground->origin=1;
                bg_model->foreground->origin=1;             
                pFrImg->origin=1;
                pFrImg1->origin=1;
                pFrImg2->origin=1;
                ImaskCodeBookCC->origin=1;
                result->origin=1;
                //connected_Components(pFrImg1,1,40);
                //connected_Components(pFrImg2,1,40);

                cvShowImage("基于MOG的方法[Chris Stauffer'2001]", bg_model->foreground);
                cvShowImage( "原视频序列图像", rawImage );
                cvShowImage("三帧差分", result);
                cvShowImage( "不实时更新的Codebook算法[本文]",pFrImg1);
                cvShowImage("实时更新的Codebook算法[本文]",pFrImg2);
                cvShowImage("基于Bayes decision的方法[Liyuan Li'2003]", bg_model1->foreground);

                c = cvWaitKey(1)&0xFF;
                //End processing on ESC, q or Q
                if(c == 27 || c == 'q' || c == 'Q')
                    break;
                //Else check for user input
                switch(c)
                {
                    case 'h':
                        help();
                        break;
                    case 'p':
                        pause ^= 1;
                        break;
                    case 's':
                        singlestep = 1;
                        pause = false;
                        break;
                    case 'r':
                        pause = false;
                        singlestep = false;
                        break;
                //CODEBOOK PARAMS
                case 'y':
                case '0':
                        ch[0] = 1;
                        ch[1] = 0;
                        ch[2] = 0;
                        printf("CodeBook YUV Channels active: ");
                        for(n=0; n<nChannels; n++)
                                printf("%d, ",ch[n]);
                        printf("\n");
                        break;
                case 'u':
                case '1':
                        ch[0] = 0;
                        ch[1] = 1;
                        ch[2] = 0;
                        printf("CodeBook YUV Channels active: ");
                        for(n=0; n<nChannels; n++)
                                printf("%d, ",ch[n]);
                        printf("\n");
                        break;
                case 'v':
                case '2':
                        ch[0] = 0;
                        ch[1] = 0;
                        ch[2] = 1;
                        printf("CodeBook YUV Channels active: ");
                        for(n=0; n<nChannels; n++)
                                printf("%d, ",ch[n]);
                        printf("\n");
                        break;
                case 'a': //All
                case '3':
                        ch[0] = 1;
                        ch[1] = 1;
                        ch[2] = 1;
                        printf("CodeBook YUV Channels active: ");
                        for(n=0; n<nChannels; n++)
                                printf("%d, ",ch[n]);
                        printf("\n");
                        break;
                case 'b':  //both u and v together
                        ch[0] = 0;
                        ch[1] = 1;
                        ch[2] = 1;
                        printf("CodeBook YUV Channels active: ");
                        for(n=0; n<nChannels; n++)
                                printf("%d, ",ch[n]);
                        printf("\n");
                        break;
                case 'z': 
                    printf(" Fadd加1 ");
                    Fadd += 1;
                    printf("Fadd=%.4d\n",Fadd);                                     
                    break;
                case 'x':
                    printf(" Fadd减1 "); 
                    Fadd -= 1;                  
                    printf("Fadd=%.4d\n",Fadd);                                     
                    break;
                case 'n': 
                    printf(" Tavgstale加1 ");
                    Tavgstale += 1;
                    printf("Tavgstale=%.4d\n",Tavgstale);                                       
                    break;
                case 'm': 
                    printf(" Tavgstale减1 ");
                    Tavgstale -= 1;
                    printf("Tavgstale=%.4d\n",Tavgstale);                                       
                    break;
                case 'i': //modify max classification bounds (max bound goes higher)
                    for(n=0; n<nChannels; n++)
                    {
                        if(ch[n])
                            maxMod[n] += 1;
                        printf("%.4d,",maxMod[n]);
                    }
                    printf(" CodeBook High Side\n");
                    break;
                case 'o': //modify max classification bounds (max bound goes lower)
                    for(n=0; n<nChannels; n++)
                    {
                        if(ch[n])
                            maxMod[n] -= 1;
                        printf("%.4d,",maxMod[n]);
                    }
                    printf(" CodeBook High Side\n");
                    break;
                case 'k': //modify min classification bounds (min bound goes lower)
                    for(n=0; n<nChannels; n++)
                    {
                        if(ch[n])
                            minMod[n] += 1;
                        printf("%.4d,",minMod[n]);
                    }
                    printf(" CodeBook Low Side\n");
                    break;
                case 'l': //modify min classification bounds (min bound goes higher)
                    for(n=0; n<nChannels; n++)
                    {
                        if(ch[n])
                            minMod[n] -= 1;
                        printf("%.4d,",minMod[n]);
                    }
                    printf(" CodeBook Low Side\n");
                    break;
                }
            }
        }       
        cvReleaseCapture( &capture );
        cvReleaseBGStatModel((CvBGStatModel**)&bg_model);
        cvReleaseBGStatModel((CvBGStatModel**)&bg_model1);

        cvDestroyWindow( "原视频序列图像" );
        cvDestroyWindow( "不实时更新的Codebook算法[本文]");
        cvDestroyWindow( "实时更新的Codebook算法[本文]");
        cvDestroyWindow( "基于MOG的方法[Chris Stauffer'2001]");
        cvDestroyWindow( "三帧差分" );
        cvDestroyWindow( "基于Bayes decision的方法[Liyuan Li'2003]");

        cvReleaseImage(&temp1);
        cvReleaseImage(&temp2);
        cvReleaseImage(&result);
        cvReleaseImage(&result1);
        cvReleaseImage(&result2);
        cvReleaseImage(&pFrImg);
        cvReleaseImage(&pFrImg1);
        cvReleaseImage(&pFrImg2);

        if(yuvImage) cvReleaseImage(&yuvImage);
        if(rawImage) cvReleaseImage(&rawImage);
        if(rawImage1) cvReleaseImage(&rawImage1);
        if(ImaskCodeBookCC) cvReleaseImage(&ImaskCodeBookCC);
        delete [] cA;
        delete [] cC;
        delete [] cD;
    }
    else
    { 
        printf("\n\nDarn, Something wrong with the parameters\n\n"); help();
    }
    return 0;
}

int clear_stale_entries(codeBook &c)
{
   int staleThresh = c.t>>1;
   int *keep = new int [c.numEntries];
   int keepCnt = 0;

   for(int i=0; i<c.numEntries; i++)
   {
      if(c.cb[i]->stale > staleThresh)
         keep[i] = 0;
      else
      {
         keep[i] = 1; 
         keepCnt += 1;
      }
   }
   c.t = 0;    
   code_element **foo = new code_element* [keepCnt];
   int k=0;
   for(int ii=0; ii<c.numEntries; ii++)
   {
      if(keep[ii])
      {
         foo[k] = c.cb[ii];
         foo[k]->t_last_update = 0;
         k++;
      }
   }
   delete [] keep;
   delete [] c.cb;
   c.cb = foo;
   int numCleared = c.numEntries - keepCnt;
   c.numEntries = keepCnt;
   return(numCleared);
}

uchar background_Diff(uchar *p, codeBook &c, int numChannels, int *minMod, int *maxMod)
{
    int matchChannel;
    int i;
    for(i=0; i<c.numEntries; i++)
    {
        matchChannel = 0;
        for(int n=0; n<numChannels; n++)
        {
            if((c.cb[i]->min[n] - minMod[n] <= *(p+n)) && (*(p+n) <= c.cb[i]->max[n] + maxMod[n]))
            {
                matchChannel++;
            }
            else
            {
                break;
            }
        }
        if(matchChannel == numChannels)
        {
            break;
        }
    }
    if(i >= c.numEntries) return(255);
    return(0);
}

int update_codebook_model(uchar* p,codeBook& c,unsigned* cbBounds,int numChannels)              
{
    if(c.numEntries == 0) c.t = 0;
    c.t += 1;
    unsigned int high[3],low[3];

    int matchChannel; 
    float avg[3];

    for(int i=0; i<c.numEntries; i++)
    {
        matchChannel = 0;
        for(int n=0; n<numChannels; n++)
        {
            if((c.cb[i]->learnLow[n] <= *(p+n)) && (*(p+n) <= c.cb[i]->learnHigh[n]))
            {
                matchChannel++;
            }
        }
        if(matchChannel == numChannels)
        {
            for(int n=0; n<numChannels; n++)
            {
                avg[n] = (c.cb[i]->f * c.cb[i]->avg[n] + *(p+n))/(c.cb[i]->f + 1);
                c.cb[i]->avg[n] = avg[n];

                if(c.cb[i]->max[n] < *(p+n))
                {
                    c.cb[i]->max[n] = *(p+n);
                }
                else if(c.cb[i]->min[n] > *(p+n))
                {
                    c.cb[i]->min[n] = *(p+n);
                }
            }
            c.cb[i]->f += 1;

            c.cb[i]->t_last_update = c.t;
            int negRun = c.t - c.cb[i]->t_last_update;
            if(c.cb[i]->stale < negRun) c.cb[i]->stale = negRun;
            break;
        }
    }

    for(int n=0; n<numChannels; n++)
    {
        high[n] = *(p+n)+*(cbBounds+n);
        if(high[n] > 255) high[n] = 255;
        low[n] = *(p+n)-*(cbBounds+n);
        if(low[n] < 0) low[n] = 0;
    }
    if(i == c.numEntries)
    {
        code_element **foo = new code_element* [c.numEntries+1];
        for(int ii=0; ii<c.numEntries; ii++)
        {
            foo[ii] = c.cb[ii];
        }
        foo[c.numEntries] = new code_element;
        if(c.numEntries) delete [] c.cb;

        c.cb = foo;
        for(int n=0; n<numChannels; n++) 
        {
            c.cb[c.numEntries]->avg[n] = *(p+n);
            c.cb[c.numEntries]->max[n] = *(p+n);
            c.cb[c.numEntries]->min[n] = *(p+n);

            c.cb[c.numEntries]->learnHigh[n] = high[n];
            c.cb[c.numEntries]->learnLow[n] = low[n];

        }
        c.cb[c.numEntries]->f = 1;
        c.cb[c.numEntries]->stale = c.t-1;
        c.cb[c.numEntries]->t_first_update = c.t;
        c.cb[c.numEntries]->t_last_update = c.t;        
        c.numEntries += 1;
    }

    for(int s=0; s<c.numEntries; s++)
    {
        int negRun = c.t - c.cb[s]->t_last_update + c.cb[s]->t_first_update -1 ;
        if(c.cb[s]->stale < negRun) c.cb[s]->stale = negRun;

    }

    for(n=0; n<numChannels; n++)
    {
        if(c.cb[i]->learnHigh[n] < high[n]) c.cb[i]->learnHigh[n] += 1;
        if(c.cb[i]->learnLow[n] > low[n]) c.cb[i]->learnLow[n] -= 1;
    }
    return(i);
}


int trainig_codebook(uchar* p,codeBook& c,unsigned* cbBounds,int numChannels)              
{
    if(c.numEntries == 0) c.t = 0;
    c.t += 1;
    unsigned int high[3],low[3];

    int matchChannel; 
    float avg[3];

    for(int i=0; i<c.numEntries; i++)
    {
        matchChannel = 0;
        for(int n=0; n<numChannels; n++)
        {
            if((c.cb[i]->learnLow[n] <= *(p+n)) && (*(p+n) <= c.cb[i]->learnHigh[n]))
            {
                matchChannel++;
            }
        }
        if(matchChannel == numChannels)
        {
            for(int n=0; n<numChannels; n++)
            {
                avg[n] = (c.cb[i]->f * c.cb[i]->avg[n] + *(p+n))/(c.cb[i]->f + 1);
                c.cb[i]->avg[n] = avg[n];

                if(c.cb[i]->max[n] < *(p+n))
                {
                    c.cb[i]->max[n] = *(p+n);
                }
                else if(c.cb[i]->min[n] > *(p+n))
                {
                    c.cb[i]->min[n] = *(p+n);
                }
            }
            c.cb[i]->f += 1;

            c.cb[i]->t_last_update = c.t;
            int negRun = c.t - c.cb[i]->t_last_update;
            if(c.cb[i]->stale < negRun) c.cb[i]->stale = negRun;

            if (i!=0)
            {
                code_element **fo = new code_element* [c.numEntries];
                fo[0] = c.cb[i];
                for(int h=0; h<i; h++)
                {
                    fo[h+1] = c.cb[h];
                }
                for(int h=i+1; h<c.numEntries; h++)
                {
                    fo[h] = c.cb[h];
                }
                if(c.numEntries) delete [] c.cb;
                c.cb = fo;
            }

            break;
        }
    }

    for(int n=0; n<numChannels; n++)
    {
        high[n] = *(p+n)+*(cbBounds+n);
        if(high[n] > 255) high[n] = 255;
        low[n] = *(p+n)-*(cbBounds+n);
        if(low[n] < 0) low[n] = 0;
    }
    if(i == c.numEntries)
    {
        code_element **foo = new code_element* [c.numEntries+1];
        for(int ii=0; ii<c.numEntries; ii++)
        {
            foo[ii] = c.cb[ii];
        }
        foo[c.numEntries] = new code_element;
        if(c.numEntries) delete [] c.cb;
        c.cb = foo; 
        for(n=0; n<numChannels; n++) 
        {
            c.cb[c.numEntries]->avg[n] = *(p+n);
            c.cb[c.numEntries]->max[n] = *(p+n);
            c.cb[c.numEntries]->min[n] = *(p+n);
            c.cb[c.numEntries]->learnHigh[n] = high[n];
            c.cb[c.numEntries]->learnLow[n] = low[n];

        }
        c.cb[c.numEntries]->f = 1;
        c.cb[c.numEntries]->stale = c.t-1;
        c.cb[c.numEntries]->t_first_update = c.t;
        c.cb[c.numEntries]->t_last_update = c.t;        
        c.numEntries += 1;
    }

    for(int s=0; s<c.numEntries; s++)
    {
        int negRun = c.t - c.cb[s]->t_last_update + c.cb[s]->t_first_update -1 ;
        if(c.cb[s]->stale < negRun) c.cb[s]->stale = negRun;

    }

    for(int n=0; n<numChannels; n++)
    {
        if(c.cb[i]->learnHigh[n] < high[n]) c.cb[i]->learnHigh[n] += 1;
        if(c.cb[i]->learnLow[n] > low[n]) c.cb[i]->learnLow[n] -= 1;
    }
    return(i);
}

int training_clear_stale_entries(codeBook &c)
{
   int staleThresh = c.t>>1;
   int *keep = new int [c.numEntries];
   int keepCnt = 0;
   for(int i=0; i<c.numEntries; i++)
   {
      if(c.cb[i]->stale > staleThresh)
         keep[i] = 0;
      else
      {
         keep[i] = 1;
         keepCnt += 1;
      }
   }
   code_element **foo = new code_element* [keepCnt];
   int k=0;
   for(int ii=0; ii<c.numEntries; ii++)
   {
      if(keep[ii])
      {
         foo[k] = c.cb[ii];
         k++;
      }
   }

   delete [] keep;
   delete [] c.cb;
   c.cb = foo;
   int numCleared = c.numEntries - keepCnt;
   c.numEntries = keepCnt;
   return(numCleared);
}


int det_update_codebook_cC(uchar* p,codeBook& c,unsigned* cbBounds,int numChannels)              
{
    c.t += 1;

    int matchChannel; 
    float avg[3];
    int learnLow[3],learnHigh[3];

    for(int i=0; i<c.numEntries; i++)
    {
        matchChannel = 0;
        for(int n=0; n<numChannels; n++)
        {
            if (forgratio >= Tadap_update )
            {
                learnLow[n] = c.cb[i]->learnLow[n] * (1 - gamma);
                c.cb[i]->learnLow[n] = learnLow[n];
                learnHigh[n] = c.cb[i]->learnHigh[n] * (1 + gamma);
                c.cb[i]->learnHigh[n] = learnHigh[n];
            }
            if((c.cb[i]->learnLow[n] <= *(p+n)) && (*(p+n) <= c.cb[i]->learnHigh[n]))
            {
                matchChannel++;
            }
        }
        if(matchChannel == numChannels)
        {
            if (forgratio >= Tadap_update )
            {
                for(int n=0; n<numChannels; n++)
                {
                    avg[n] = (1 - beta) * c.cb[i]->avg[n] + *(p+n) * beta;
                    c.cb[i]->avg[n] = avg[n];

                    if(c.cb[i]->max[n] < *(p+n))
                    {
                        c.cb[i]->max[n] = *(p+n);
                    }
                    else if(c.cb[i]->min[n] > *(p+n))
                    {
                        c.cb[i]->min[n] = *(p+n);
                    }
                }
            }
            else
            {
                for(int n=0; n<numChannels; n++)
                {

                    avg[n] = (c.cb[i]->f * c.cb[i]->avg[n] + *(p+n))/(c.cb[i]->f + 1);
                    c.cb[i]->avg[n] = avg[n];

                    if(c.cb[i]->max[n] < *(p+n))
                    {
                        c.cb[i]->max[n] = *(p+n);
                    }
                    else if(c.cb[i]->min[n] > *(p+n))
                    {
                        c.cb[i]->min[n] = *(p+n);
                    }
                }
            }

            int negRun = c.t - c.cb[i]->t_last_update;
            if(c.cb[i]->stale < negRun) c.cb[i]->stale = negRun;
            c.cb[i]->t_last_update = c.t;
            c.cb[i]->f += 1;

            break;

        }
    }

    if( i == c.numEntries) return (i);
    return(0);

}


int det_update_codebook_cD(uchar* p,codeBook& c,unsigned* cbBounds,int numChannels, int numframe)              
{
    if(c.numEntries == 0) c.t = numframe -1;
    c.t += 1;

    unsigned int high[3],low[3];

    int matchChannel; 
    float avg[3];
    int learnLow[3],learnHigh[3];

    for(int i=0; i<c.numEntries; i++)
    {
        matchChannel = 0;
        for(int n=0; n<numChannels; n++)
        {
            if (forgratio >= Tadap_update )
            {
                learnLow[n] = c.cb[i]->learnLow[n] * (1 - gamma);
                c.cb[i]->learnLow[n] = learnLow[n];
                learnHigh[n] = c.cb[i]->learnHigh[n] * (1 + gamma);
                c.cb[i]->learnHigh[n] = learnHigh[n];
            }
            if((c.cb[i]->learnLow[n] <= *(p+n)) && (*(p+n) <= c.cb[i]->learnHigh[n]))
            {
                matchChannel++;
            }
        }
        if(matchChannel == numChannels)
        {

            if (forgratio >= Tadap_update )
            {
                for(int n=0; n<numChannels; n++)
                {
                    avg[n] = (1 - beta) * c.cb[i]->avg[n] + *(p+n) * beta;
                    c.cb[i]->avg[n] = avg[n];

                    if(c.cb[i]->max[n] < *(p+n))
                    {
                        c.cb[i]->max[n] = *(p+n);
                    }
                    else if(c.cb[i]->min[n] > *(p+n))
                    {
                        c.cb[i]->min[n] = *(p+n);
                    }
                }
            }
            else
            {
                for(int n=0; n<numChannels; n++)
                {

                    avg[n] = (c.cb[i]->f * c.cb[i]->avg[n] + *(p+n))/(c.cb[i]->f + 1);
                    c.cb[i]->avg[n] = avg[n];

                    if(c.cb[i]->max[n] < *(p+n))
                    {
                        c.cb[i]->max[n] = *(p+n);
                    }
                    else if(c.cb[i]->min[n] > *(p+n))
                    {
                        c.cb[i]->min[n] = *(p+n);
                    }
                }
            }
            int negRun = c.t - c.cb[i]->t_last_update;
            if(c.cb[i]->stale < negRun) c.cb[i]->stale = negRun;
            c.cb[i]->f += 1;
            c.cb[i]->t_last_update = c.t;
            break;
        }
    }
    for(int n=0; n<numChannels; n++)
    {
        high[n] = *(p+n)+*(cbBounds+n);
        if(high[n] > 255) high[n] = 255;
        low[n] = *(p+n)-*(cbBounds+n);
        if(low[n] < 0) low[n] = 0;
    }
    if(i == c.numEntries)
    {
        code_element **foo = new code_element* [c.numEntries+1];
        for(int ii=0; ii<c.numEntries; ii++)
        {
            foo[ii] = c.cb[ii];
        }
        foo[c.numEntries] = new code_element;
        if(c.numEntries) 
            delete [] c.cb;
        c.cb = foo; 
        for(int n=0; n<numChannels; n++) 
        {
            c.cb[c.numEntries]->avg[n] = *(p+n);
            c.cb[c.numEntries]->max[n] = *(p+n);
            c.cb[c.numEntries]->min[n] = *(p+n);

            c.cb[c.numEntries]->learnHigh[n] = high[n];
            c.cb[c.numEntries]->learnLow[n] = low[n];

        }
        c.cb[c.numEntries]->f = 1;
        c.cb[c.numEntries]->stale = 0;
        c.cb[c.numEntries]->t_first_update = c.t;
        c.cb[c.numEntries]->t_last_update = c.t;        
        c.numEntries += 1;
    }

    for(int s=0; s<c.numEntries; s++)
    {
        int negRun = c.t - c.cb[s]->t_last_update;
        if(c.cb[s]->stale < negRun) c.cb[s]->stale = negRun;

    }

    for(int n=0; n<numChannels; n++)
    {
        if(c.cb[i]->learnHigh[n] < high[n]) c.cb[i]->learnHigh[n] += 1;
        if(c.cb[i]->learnLow[n] > low[n]) c.cb[i]->learnLow[n] -= 1;
    }
    return(i);
}


int realtime_clear_stale_entries_cC(codeBook &c, int FrmNum)
{
    int staleThresh = FrmNum/2; 
    int *keep = new int [c.numEntries];
    int keepCnt = 0;

    for(int i=0; i<c.numEntries; i++)
    {
        if(c.cb[i]->stale > staleThresh)
            keep[i] = 0;
        else
        {
            keep[i] = 1;
            keepCnt += 1;
        }
    }
    c.t = 0;    
    code_element **foo = new code_element* [keepCnt];
    int k=0;
    for(int ii=0; ii<c.numEntries; ii++)
    {
        if(keep[ii])
        {
            foo[k] = c.cb[ii];
            k++;
        }
    }
    delete [] keep;
    delete [] c.cb;
    c.cb = foo;
    int numCleared = c.numEntries - keepCnt;
    c.numEntries = keepCnt;
    return(numCleared);
}

int realtime_clear_stale_entries_cD(codeBook &c, int FrmNum)
{
    int *keep = new int [c.numEntries];
    int keepCnt = 0;

    for(int i=0; i<c.numEntries; i++)
    {
        if(c.cb[i]->f <=Fd && c.cb[i]->stale >=Tavgstale_cD)
            keep[i] = 0;
        else
        {
            keep[i] = 1;
            keepCnt += 1;
        }
    }

    code_element **foo = new code_element* [keepCnt];
    int k=0;
    for(int ii=0; ii<c.numEntries; ii++)
    {
        if(keep[ii])
        {
            foo[k] = c.cb[ii];
            k++;
        }
    }
    delete [] keep;
    delete [] c.cb;
    c.cb = foo;
    int numCleared = c.numEntries - keepCnt;
    c.numEntries = keepCnt;
    return(numCleared);
}

int cD_to_cC(codeBook &d, codeBook &c, int FrmNum)
{
    int *keep_d = new int [d.numEntries];
    int keepCnt = 0;

    for(int i=0; i<d.numEntries; i++)
    {
        int convertThresh = (FrmNum - T)/d.cb[i]->f;
        if(d.cb[i]->f >=Fadd && convertThresh <=Tavgstale)
        {
            keep_d[i] = 0;
        }
        else
        {
            keep_d[i] = 1;
            keepCnt += 1;
        }
    }

    code_element **foo_d = new code_element* [keepCnt];
    int k=0;
    for(int ii=0; ii<d.numEntries; ii++)
    {
        if(keep_d[ii])
        {
            foo_d[k] = d.cb[ii];
            k++;
        }
        else
        {
            code_element **foo_c = new code_element* [c.numEntries+1];
            for(int jj=0; jj<c.numEntries; jj++)
            {
                foo_c[jj] = c.cb[jj];
            }
            foo_c[c.numEntries] = new code_element;

                delete [] c.cb;
            c.cb = foo_c;

            c.cb[c.numEntries] = d.cb[ii];
            c.numEntries +=1;
        }

    }
    delete [] keep_d;
    delete [] d.cb;
    d.cb = foo_d;
    int numconverted = d.numEntries - keepCnt;
    d.numEntries = keepCnt;
    return(numconverted);
}

下面是报错:
1>------ 已启动生成: 项目: Realtime_online_cb_det, 配置: Debug x64 ------
1> Realtime_online_cb_det.cpp
1>Realtime_online_cb_det.cpp(185): error C2065: “CvBGStatModel”: 未声明的标识符
1>Realtime_online_cb_det.cpp(185): error C2065: “bg_model”: 未声明的标识符
1>Realtime_online_cb_det.cpp(186): error C2065: “CvBGStatModel”: 未声明的标识符
1>Realtime_online_cb_det.cpp(186): error C2065: “bg_model1”: 未声明的标识符
1>Realtime_online_cb_det.cpp(271): error C2065: “bg_model”: 未声明的标识符
1>Realtime_online_cb_det.cpp(271): error C3861: “cvCreateGaussianBGModel”: 找不到标识符
1>Realtime_online_cb_det.cpp(272): error C2065: “bg_model1”: 未声明的标识符
1>Realtime_online_cb_det.cpp(272): error C3861: “cvCreateFGDStatModel”: 找不到标识符
1>Realtime_online_cb_det.cpp(308): error C3861: “cvChangeDetection”: 找不到标识符
1>Realtime_online_cb_det.cpp(309): error C3861: “cvChangeDetection”: 找不到标识符
1>Realtime_online_cb_det.cpp(315): error C2065: “bg_model”: 未声明的标识符
1>Realtime_online_cb_det.cpp(315): error C3861: “cvUpdateBGStatModel”: 找不到标识符
1>Realtime_online_cb_det.cpp(316): error C2065: “bg_model1”: 未声明的标识符
1>Realtime_online_cb_det.cpp(316): error C3861: “cvUpdateBGStatModel”: 找不到标识符
1>Realtime_online_cb_det.cpp(381): error C2065: “bg_model1”: 未声明的标识符
1>Realtime_online_cb_det.cpp(381): error C2227: “->foreground”的左边必须指向类/结构/联合/泛型类型
1> 类型是“unknown-type”
1>Realtime_online_cb_det.cpp(381): error C2227: “->origin”的左边必须指向类/结构/联合/泛型类型
1>Realtime_online_cb_det.cpp(382): error C2065: “bg_model”: 未声明的标识符
1>Realtime_online_cb_det.cpp(382): error C2227: “->foreground”的左边必须指向类/结构/联合/泛型类型
1> 类型是“unknown-type”
1>Realtime_online_cb_det.cpp(382): error C2227: “->origin”的左边必须指向类/结构/联合/泛型类型
1>Realtime_online_cb_det.cpp(391): error C2065: “bg_model”: 未声明的标识符
1>Realtime_online_cb_det.cpp(391): error C2227: “->foreground”的左边必须指向类/结构/联合/泛型类型
1> 类型是“unknown-type”
1>Realtime_online_cb_det.cpp(391): error C2660: “cvShowImage”: 函数不接受 1 个参数
1>Realtime_online_cb_det.cpp(396): error C2065: “bg_model1”: 未声明的标识符
1>Realtime_online_cb_det.cpp(396): error C2227: “->foreground”的左边必须指向类/结构/联合/泛型类型
1> 类型是“unknown-type”
1>Realtime_online_cb_det.cpp(396): error C2660: “cvShowImage”: 函数不接受 1 个参数
1>Realtime_online_cb_det.cpp(529): error C2065: “CvBGStatModel”: 未声明的标识符
1>Realtime_online_cb_det.cpp(529): error C2059: 语法错误:“)”
1>Realtime_online_cb_det.cpp(530): error C2065: “CvBGStatModel”: 未声明的标识符
1>Realtime_online_cb_det.cpp(530): error C2059: 语法错误:“)”
1>Realtime_online_cb_det.cpp(529): error C3861: “cvReleaseBGStatModel”: 找不到标识符
1>Realtime_online_cb_det.cpp(530): error C3861: “cvReleaseBGStatModel”: 找不到标识符
1>Realtime_online_cb_det.cpp(677): error C2065: “i”: 未声明的标识符
1>Realtime_online_cb_det.cpp(712): error C2065: “n”: 未声明的标识符
1>Realtime_online_cb_det.cpp(714): error C2065: “i”: 未声明的标识符
1>Realtime_online_cb_det.cpp(714): error C2227: “->learnHigh”的左边必须指向类/结构/联合/泛型类型
1>Realtime_online_cb_det.cpp(714): error C2065: “n”: 未声明的标识符
1>Realtime_online_cb_det.cpp(715): error C2065: “i”: 未声明的标识符
1>Realtime_online_cb_det.cpp(715): error C2227: “->learnLow”的左边必须指向类/结构/联合/泛型类型
1>Realtime_online_cb_det.cpp(715): error C2065: “n”: 未声明的标识符
1>Realtime_online_cb_det.cpp(717): error C2065: “i”: 未声明的标识符
1>Realtime_online_cb_det.cpp(789): error C2065: “i”: 未声明的标识符
1>Realtime_online_cb_det.cpp(799): error C2065: “n”: 未声明的标识符
1>Realtime_online_cb_det.cpp(801): error C2065: “n”: 未声明的标识符
1>Realtime_online_cb_det.cpp(802): error C2065: “n”: 未声明的标识符
1>Realtime_online_cb_det.cpp(803): error C2065: “n”: 未声明的标识符
1>Realtime_online_cb_det.cpp(804): error C2065: “n”: 未声明的标识符
1>Realtime_online_cb_det.cpp(805): error C2065: “n”: 未声明的标识符
1>Realtime_online_cb_det.cpp(824): error C2065: “i”: 未声明的标识符
1>Realtime_online_cb_det.cpp(824): error C2227: “->learnHigh”的左边必须指向类/结构/联合/泛型类型
1>Realtime_online_cb_det.cpp(825): error C2065: “i”: 未声明的标识符
1>Realtime_online_cb_det.cpp(825): error C2227: “->learnLow”的左边必须指向类/结构/联合/泛型类型
1>Realtime_online_cb_det.cpp(827): error C2065: “i”: 未声明的标识符
1>Realtime_online_cb_det.cpp(880): warning C4244: “=”: 从“float”转换到“int”,可能丢失数据
1>Realtime_online_cb_det.cpp(882): warning C4244: “=”: 从“float”转换到“int”,可能丢失数据
1>Realtime_online_cb_det.cpp(938): error C2065: “i”: 未声明的标识符
1>Realtime_online_cb_det.cpp(962): warning C4244: “=”: 从“float”转换到“int”,可能丢失数据
1>Realtime_online_cb_det.cpp(964): warning C4244: “=”: 从“float”转换到“int”,可能丢失数据
1>Realtime_online_cb_det.cpp(1024): error C2065: “i”: 未声明的标识符
1>Realtime_online_cb_det.cpp(1061): error C2065: “i”: 未声明的标识符
1>Realtime_online_cb_det.cpp(1061): error C2227: “->learnHigh”的左边必须指向类/结构/联合/泛型类型
1>Realtime_online_cb_det.cpp(1062): error C2065: “i”: 未声明的标识符
1>Realtime_online_cb_det.cpp(1062): error C2227: “->learnLow”的左边必须指向类/结构/联合/泛型类型
1>Realtime_online_cb_det.cpp(1064): error C2065: “i”: 未声明的标识符
========== 生成: 成功 0 个,失败 1 个,最新 0 个,跳过 0 个 ==========

c++
Csdn user default icon
上传中...
上传图片
插入图片
抄袭、复制答案,以达到刷声望分或其他目的的行为,在CSDN问答是严格禁止的,一经发现立刻封号。是时候展现真正的技术了!
其他相关推荐
求会运动目标检测的大神解答一问题,捉急加感谢
最近在做视频中运动目标检测与跟踪,看了一些文献有些人第一步会做个全局运动估计,有些人忽略这一步直接进行目标检测。然后去查了资料全局运动估计大多是在视频编码中采用,然后很想知道在运动目标检测跟踪中,做全局运动估计的目的是什么?另外如果不用这一步直接目标检测OK吗?如果采用了这一步,那这一步输出的的参数是保存的相邻帧间的运动矢量吗,这一步得出的结果又怎么和接下来的检测与跟踪配合? 如果有同学了解这方面,或做过视频运动目标检测,希望可以交流交流,我现在初步实现了检测,以及特征点跟踪,但还有很多疑惑的地方。如果能找到一起交流的同学不胜欢喜。
opencv 运动目标检测 性能问题
使用混合高斯背景模型背景差分法进行运动目标检测时,发现实时解码视频流会出现,背景差分效率跟不上的情况,占用资源高,而且还容易丢帧,请问各位大虾怎样提高解码性能,以及怎样提高背景差分的性能?
目标追踪中计算运动目标速度
请问目标追踪中如何计算运动目标的速度?应该使用什么方法来进行计算?
opencv中运动目标检测怎么能框出车辆准确轮廓?
刚学习,在做关于车辆检测的问题,如果能用矩形框框出运动车辆,怎么才能改成标出运动车辆的准确轮廓?
有越线检测(绊线检测)的代码吗,最好是MATLAB的,其它的也可以?
有越线检测(绊线检测)的代码吗,最好是MATLAB的,其它的也可以?能处理视频中运动物体的越线检测问题?
运动能量图像(mei)代码
需要OpenCV环境下运动能量图(mei)的代码,C++语言。用来做人体运动检测识别。
unity3d有没有获取当前物体(2d)运动方向的方法代码
unity3d有没有获取当前物体运动方向的方法代码,velocity是当前物体速度向量,但是我只想要方向,或则把这个速度向量变成单位向量也行(x^2+y^2=1),有没有这样的方法???我现在是想要保证我的球碰撞后方向即使改变了速度也能保持我原来100的速度
运动规划的伪代码程序有一行代码有疑问
最近在读一本关于运动规划的书籍,书名是《Principles of Robot Motion Theory, Algorithms, and Implementations》,里面最开始介绍运动规划算法的时候介绍了Bug Algorithm,看文字解释看得懂,但是书中给出的伪代码有一行看不懂,想请教网上的各位老师学者专家,下面是关于一种BUG算法的图示和伪代码,图中代码的第13行,我自认为代码中的“were to”应该改成“couldn't”,应该是机器人不能向目标移动才可以判断无法找到合适的路径,为什么这个代码这么写呢? ![图片说明](https://img-ask.csdn.net/upload/201809/20/1537443324_344362.png) ![图片说明](https://img-ask.csdn.net/upload/201809/20/1537443334_107910.png) ![图片说明](https://img-ask.csdn.net/upload/201809/20/1537443346_713691.png)
关于matlab提取视频中运动目标的问题
想用MATLAB做一个提取运动目标的功能,如图![图片说明](https://img-ask.csdn.net/upload/201911/23/1574496675_713294.png) 代码如下但是现象极其糟糕 不知道错误处在哪里 请各位大神指教 ``` fileName = 'video.avi'; obj = VideoReader(fileName);%输入视频位置 numFrames = obj.NumberOfFrames;% 帧的总数 for k = 1 : 206% 读取帧 frame = read(obj,k);%读取第几帧 frame1=read(obj, k+1); frame2=read(obj, k+2); grayframe=rgb2gray(frame); %彩色转化成灰度图 grayframe1 = rgb2gray(frame1);%灰度化 grayframe2=rgb2gray(frame2); difgrayframe= grayframe - grayframe1;%邻帧差 difgrayframe2= grayframe1 - grayframe2;%邻帧差 level1 = graythresh(difgrayframe); level2 = graythresh(difgrayframe2); fdiff1=im2bw(abs(difgrayframe),level1);%与阈值比较转换成二值图像 fdiff2=im2bw(abs(difgrayframe2),level2);%与阈值比较转换成二值图像 f= fdiff1&fdiff2; %得到移动的区域 pause(0.01); k1=medfilt2(f,[3,3]); %进行3*3模板中值滤波 k2 = bwmorph(k1,'close'); %闭运算 figure(1); imshow(k2); end ```
运动规划的伪代码程序看不懂程序的逻辑
最近在读一本关于运动规划的书籍,书名是《Principles of Robot Motion Theory, Algorithms, and Implementations》,里面最开始介绍运动规划算法的时候介绍了Bug Algorithm,看文字解释看得懂,但是书中给出的伪代码的逻辑看不懂,想请教网上的各位老师学者专家,下面是关于一种BUG算法的图示和伪代码: ![图片说明](https://img-ask.csdn.net/upload/201809/20/1537427405_823902.png) ![图片说明](https://img-ask.csdn.net/upload/201809/20/1537427422_165704.png)
关于复杂背景红外弱小目标检测??
请问各位大佬动态背景下检测并跟踪一个运动的激光光斑用什么方法呢?
下面用javascript实现的缓冲运动效果,是否存在让运动物体越过目标位置的bug?
``` 代码及运行效果也可在 jsbin 中查看:https://jsbin.com/tilolazaci/1/edit?html,js,output ``` <br> ``` 其中主要的代码是这两行: //表达的意思是每调用一次定时器,box移动的距离为剩下路程的1/10。 var speed = (iTarget - box.offsetLeft)/10; //对speed向上取整,以确保.box能准确运行到目标位置,如果没有这行代码,.box会在到达目标位置前停止运动. //但如果添加了这行代码,是否会产生让运动物体越过目标位置的bug呢? speed = Math.ceil(speed); ``` <br> ``` 疑问:是否存在向上取整后,最终得到的speed值大于剩余路程(iTarget - box.offsetLeft)的值的可能性? 如果会大于,那么.box运动的距离会超过目标位置 ``` <br> ``` <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8" /> <title>Document</title> </head> <body> <input type="button" class="run" value="开始运动" /> <!-- 运动物体 --> <div class="box"></div> <!-- 目标位置--> <div class="target"></div> </body> </html> ``` <br> ``` var box = document.querySelector(".box"), run = document.querySelector(".run"); run.addEventListener("click",function(){ setInterval(function(){ //目标位置 var iTarget = 300; var speed = (iTarget - box.offsetLeft)/10; //如果没有对speed向上取整时,.box无法准确到达目标点 speed = Math.ceil(speed); box.style.left = box.offsetLeft + speed + "px"; },30); }); ``` <br> ``` /* 运动物体 */ .box{ position:absolute; left:0; top:50px; width:100px; height:100px; background-color: red; } /* 目标位置 */ .target{ position:absolute; left:300px; top:0; width:1px; height:300px; background-color: blue; } ```
MATLAB追踪物体运动的代码
我想问一下我现在可以用光流法追踪到所有运动的物体,但是我只想追踪一个物体,而且我知道要追踪的物体是黑色的,要追踪他该怎么写代码啊?
帧差法提取的目标断点较多
想利用帧差法找到运动目标的所在区域,但提取出的运动目标断点较多,不能使用findcontours查找轮廓,而用膨胀的话会使目标范围扩大很多,有什么好的方法能解决下么。、多谢了
求助运动员最佳匹配问题代码注释的纠正
不明白 for ( i=0; i<=n; i++ ) a[i]=i,表示什么 还有 cc+=p[j][a[j+1]-1]*q[a[j+1]-1][j]; 是怎么计算的 问题描述:羽毛球队有男女运动员各n 人, 给定2个n*n 矩阵P 和Q, 其中P [i][ j]表示男运动员i 和女运动员j 配对组成混合双打时的竞赛优势;Q[i][ j]则是女运动员i 和男运动员j 配对组成混合双打时的竞赛优势。由于技术的配合和心理状态等各种因素的影响, 一般P[i][ j]不一定等于Q[i][ j]。男运动员i和女运动员j配对组成混合双打的男女双方竞赛优势为P[i][ j] * Q[i][ j]。设计一个算法,计算男女运动员最佳配对法,使各组男女双方竞赛优势的总和达到最大。  设计要求: 设计一个算法,计算男女运动员最佳配对法,使各组男女双方竞赛优势的总和达到最大。  数据输入: 由文件input.txt给出输入数据。第一行有一个正整数n(1≤n≤20)。接下来的2n行,每行n个数。前n行是p,后n行是q。 #include<iostream> using namespace std; int a[10]; //排列编号 int p[10][10]; //男运动员i和女运动员j配对竞赛优势 int q[10][10]; //女运动员i和男运动员j配对竞赛优势 int n; //男女运动员各n人 int bestc=0; //男女搭配优势的最优值,初始值为0 void swap ( int &x,int &y )//交换函数 { int temp=x; x=y; y=temp; } void Backtrack ( int t )//递归回溯函数,t为层数(初始值为1) { if ( t>n ) //当层数大于n(男女运动员各n人)时 { int cc=0; for ( int j=0; j<n; j++ ) { cc+=p[j][a[j+1]-1]*q[a[j+1]-1][j]; //计算当前值cc } if ( cc>=bestc ) bestc=cc; //若满足 cc>=bestc时,则需更新当前最优值 } else { for ( int i=t; i<=n; i++ ) //否则,按深度优先的策略继续往下搜索 { swap ( a[i],a[t] ); //交换当前排列编号和最优排列 Backtrack ( t+1 ); //调用回溯函数,继续搜索 swap ( a[i],a[t] ); //直到找到最优值 } } } int main() { int i,j; //男运动员i,女运动员j while ( cin>>n ) //输入男运动员人数或女运动员人数 { for ( i=0; i<=n; i++ ) a[i]=i;//存放配对男运动员的编号 for ( i=0; i<n; i++ ) { for ( j=0; j<n; j++ ) { cin>>p[i][j]; //输入男运动员i,女运动员j配对时的比赛优势矩阵。 } } for ( i=0; i<n; i++ ) { for ( j=0; j<n; j++ ) { cin>>q[i][j]; //输入女运动员i,男运动员j配对时的比赛优势矩阵。 } } Backtrack ( 1 ); //调用递归回溯函数 cout<<bestc<<endl;//输出最优值 } return 0; } ``` ```
基于mbh(运动边界直方图)方法对视频特征提取 MATLAB代码 急急急
基于mbh(运动边界直方图)方法对视频特征提取 MATLAB代码 1.对视频批量处理 2mbh对视频表征 3用VLAD进行编码
运动模糊图像复原领域都有哪些大牛,哪些经典文献?求他们的官网链接,博客,以及源代码
运动模糊图像复原领域都有哪些大牛,哪些经典文献?求他们的官网链接,博客,以及源代码
HEVC的HM代码中帧间预测的运动估计中 MV的最终存放位置
想问一下大家HM代码帧间预测的运动估计中 存放MV的位置是哪一块?
matlab运动物体检测程序报错
在做运动物体检测inputvideo 和outputvideo均正常 主程序如下 clear data disp('input video'); avi= VideoReader('samplevideo.avi'); numFrames = avi.NumberOfFrames;% 读取视频的帧数 vidHeight = avi.Height; vidWidth = avi.Width; for i = 1 : numFrames frame = read(avi,i);% 读取每一帧 imshow(frame);%显示每一帧 imwrite(frame,strcat(num2str(i),'.jpg'),'jpg');% 保存每一帧 end mov(1:numFrames) = ... struct('cdata', zeros(vidHeight, vidWidth, 3, 'uint8'),... 'colormap', []); for k = 1 : numFrames mov(k).cdata = read(avi, k); end video={mov.cdata}; for a = 1:length(video) imagesc(video{a}); axis image off drawnow; end; disp('output video'); tracking(video); 报错Conversion to double from cell is not possible Error in tracking (line 9) pixels = double(cat(4,video(1:2:end)))/255 于是按网上说法用cell2mat函数, pixels = double(cat(4,cell2mat(video(1:2:end))))/255 但是这样track函数就好像没调用,输出没结果,求帮助 tracking函数如下 function d = tracking(video) if ischar(video) % Load the video from an avi file. avi = mmread(video); pixels = double(cat(4,avi(1:2:end).cdata))/255; clear avi else % Compile the pixel data into a single array pixels = double(cat(4,cell2mat(video(1:2:end))))/255; clear video end % Convert to RGB to GRAY SCALE image. nFrames = size(pixels,4); for f = 1:nFrames % F = getframe(gcf); % [x,map]=frame2im(F); % imwrite(x,'fln.jpg','jpg'); % end pixel(:,:,f) = (rgb2gray(pixels(:,:,:,f))); end rows=240; cols=320; nrames=f; for l = 2:nrames d(:,:,l)=(abs(pixel(:,:,l)-pixel(:,:,l-1))); k=d(:,:,l); % imagesc(k); % drawnow; % himage = imshow('d(:,:,l)'); % hfigure = figure; % impixelregionpanel(hfigure, himage); % datar=imageinfo(imagesc(d(:,:,l))); % disp(datar); bw(:,:,l) = im2bw(k, .2); bw1=bwlabel(bw(:,:,l)); figure;imshow(bw(:,:,l)) hold on % % for h=1:rows % for w=1:cols % % if(d(:,:,l)< 0.1) % d(h,w,l)=0; % end % end % % end % % disp(d(:,:,l)); % % size(d(:,:,l)) cou=1; for h=1:rows for w=1:cols if(bw(h,w,l)>0.5) % disp(d(h,w,l)); toplen = h; if (cou == 1) tpln=toplen; end cou=cou+1; break end end end disp(toplen); coun=1; for w=1:cols for h=1:rows if(bw(h,w,l)>0.5) leftsi = w; if (coun == 1) lftln=leftsi; coun=coun+1; end break end end end disp(leftsi); disp(lftln); % % drawnow; % % d = abs(pixel(:, :, l), pixel(:, :, l-1)); % % disp(d); % s = regionprops(bw1, 'BoundingBox'); % % centroids = cat(1, s.Centroid); % % % ang=s.Orientation; % % % plot(centroids(:,1), centroids(:,2), 'r*') % for r = 1 : length(s) % rectangle('Position',s(r).BoundingBox,'EdgeColor','r'); % % % plot('position',s(r).BoundingBox,'faceregion','r'); % end % % % disp(ang); % % imaqmontage(k); widh=leftsi-lftln; heig=toplen-tpln; widt=widh/2; disp(widt); heit=heig/2; with=lftln+widt; heth=tpln+heit; wth(l)=with; hth(l)=heth; disp(heit); disp(widh); disp(heig); rectangle('Position',[lftln tpln widh heig],'EdgeColor','r'); disp(with); disp(heth); plot(with,heth, 'r*'); drawnow; hold off end; % wh=square(abs(wth(2)-wth(nrames))); % ht=square(abs(hth(2)-hth(nrames))); % disp(wth(1 % distan=sqrt(wh+ht); % % disp(distan);
终于明白阿里百度这样的大公司,为什么面试经常拿ThreadLocal考验求职者了
点击上面↑「爱开发」关注我们每晚10点,捕获技术思考和创业资源洞察什么是ThreadLocalThreadLocal是一个本地线程副本变量工具类,各个线程都拥有一份线程私有的数
程序员必须掌握的核心算法有哪些?
由于我之前一直强调数据结构以及算法学习的重要性,所以就有一些读者经常问我,数据结构与算法应该要学习到哪个程度呢?,说实话,这个问题我不知道要怎么回答你,主要取决于你想学习到哪些程度,不过针对这个问题,我稍微总结一下我学过的算法知识点,以及我觉得值得学习的算法。这些算法与数据结构的学习大多数是零散的,并没有一本把他们全部覆盖的书籍。下面是我觉得值得学习的一些算法以及数据结构,当然,我也会整理一些看过...
《奇巧淫技》系列-python!!每天早上八点自动发送天气预报邮件到QQ邮箱
此博客仅为我业余记录文章所用,发布到此,仅供网友阅读参考,如有侵权,请通知我,我会删掉。 补充 有不少读者留言说本文章没有用,因为天气预报直接打开手机就可以收到了,为何要多此一举发送到邮箱呢!!!那我在这里只能说:因为你没用,所以你没用!!! 这里主要介绍的是思路,不是天气预报!不是天气预报!!不是天气预报!!!天气预报只是用于举例。请各位不要再刚了!!! 下面是我会用到的两个场景: 每日下
面试官问我:什么是消息队列?什么场景需要他?用了会出现什么问题?
你知道的越多,你不知道的越多 点赞再看,养成习惯 GitHub上已经开源 https://github.com/JavaFamily 有一线大厂面试点脑图、个人联系方式,欢迎Star和完善 前言 消息队列在互联网技术存储方面使用如此广泛,几乎所有的后端技术面试官都要在消息队列的使用和原理方面对小伙伴们进行360°的刁难。 作为一个在互联网公司面一次拿一次Offer的面霸,打败了无数
8年经验面试官详解 Java 面试秘诀
    作者 | 胡书敏 责编 | 刘静 出品 | CSDN(ID:CSDNnews) 本人目前在一家知名外企担任架构师,而且最近八年来,在多家外企和互联网公司担任Java技术面试官,前后累计面试了有两三百位候选人。在本文里,就将结合本人的面试经验,针对Java初学者、Java初级开发和Java开发,给出若干准备简历和准备面试的建议。   Java程序员准备和投递简历的实
究竟你适不适合买Mac?
我清晰的记得,刚买的macbook pro回到家,开机后第一件事情,就是上了淘宝网,花了500元钱,找了一个上门维修电脑的师傅,上门给我装了一个windows系统。。。。。。 表砍我。。。 当时买mac的初衷,只是想要个固态硬盘的笔记本,用来运行一些复杂的扑克软件。而看了当时所有的SSD笔记本后,最终决定,还是买个好(xiong)看(da)的。 已经有好几个朋友问我mba怎么样了,所以今天尽量客观
程序员一般通过什么途径接私活?
二哥,你好,我想知道一般程序猿都如何接私活,我也想接,能告诉我一些方法吗? 上面是一个读者“烦不烦”问我的一个问题。其实不止是“烦不烦”,还有很多读者问过我类似这样的问题。 我接的私活不算多,挣到的钱也没有多少,加起来不到 20W。说实话,这个数目说出来我是有点心虚的,毕竟太少了,大家轻喷。但我想,恰好配得上“一般程序员”这个称号啊。毕竟苍蝇再小也是肉,我也算是有经验的人了。 唾弃接私活、做外
大学四年自学走来,这些珍藏的「实用工具/学习网站」我全贡献出来了
知乎高赞:文中列举了互联网一线大厂程序员都在用的工具集合,涉及面非常广,小白和老手都可以进来看看,或许有新收获。
《阿里巴巴开发手册》读书笔记-编程规约
Java编程规约命名风格 命名风格 类名使用UpperCamelCase风格 方法名,参数名,成员变量,局部变量都统一使用lowerCamelcase风格 常量命名全部大写,单词间用下划线隔开, 力求语义表达完整清楚,不要嫌名字长 ...
Python爬虫爬取淘宝,京东商品信息
小编是一个理科生,不善长说一些废话。简单介绍下原理然后直接上代码。 使用的工具(Python+pycharm2019.3+selenium+xpath+chromedriver)其中要使用pycharm也可以私聊我selenium是一个框架可以通过pip下载 pip install selenium -i https://pypi.tuna.tsinghua.edu.cn/simple/ 
阿里程序员写了一个新手都写不出的低级bug,被骂惨了。
你知道的越多,你不知道的越多 点赞再看,养成习惯 本文 GitHub https://github.com/JavaFamily 已收录,有一线大厂面试点思维导图,也整理了很多我的文档,欢迎Star和完善,大家面试可以参照考点复习,希望我们一起有点东西。 前前言 为啥今天有个前前言呢? 因为你们的丙丙啊,昨天有牌面了哟,直接被微信官方推荐,知乎推荐,也就仅仅是还行吧(心里乐开花)
Java工作4年来应聘要16K最后没要,细节如下。。。
前奏: 今天2B哥和大家分享一位前几天面试的一位应聘者,工作4年26岁,统招本科。 以下就是他的简历和面试情况。 基本情况: 专业技能: 1、&nbsp;熟悉Sping了解SpringMVC、SpringBoot、Mybatis等框架、了解SpringCloud微服务 2、&nbsp;熟悉常用项目管理工具:SVN、GIT、MAVEN、Jenkins 3、&nbsp;熟悉Nginx、tomca
Python爬虫精简步骤1 获取数据
爬虫的工作分为四步: 1.获取数据。爬虫程序会根据我们提供的网址,向服务器发起请求,然后返回数据。 2.解析数据。爬虫程序会把服务器返回的数据解析成我们能读懂的格式。 3.提取数据。爬虫程序再从中提取出我们需要的数据。 4.储存数据。爬虫程序把这些有用的数据保存起来,便于你日后的使用和分析。 这一篇的内容就是:获取数据。 首先,我们将会利用一个强大的库——requests来获取数据。 在电脑上安装
Python绘图,圣诞树,花,爱心 | Turtle篇
1.画圣诞树 import turtle screen = turtle.Screen() screen.setup(800,600) circle = turtle.Turtle() circle.shape('circle') circle.color('red') circle.speed('fastest') circle.up() square = turtle.Turtle()
作为一个程序员,CPU的这些硬核知识你必须会!
CPU对每个程序员来说,是个既熟悉又陌生的东西? 如果你只知道CPU是中央处理器的话,那可能对你并没有什么用,那么作为程序员的我们,必须要搞懂的就是CPU这家伙是如何运行的,尤其要搞懂它里面的寄存器是怎么一回事,因为这将让你从底层明白程序的运行机制。 随我一起,来好好认识下CPU这货吧 把CPU掰开来看 对于CPU来说,我们首先就要搞明白它是怎么回事,也就是它的内部构造,当然,CPU那么牛的一个东
破14亿,Python分析我国存在哪些人口危机!
2020年1月17日,国家统计局发布了2019年国民经济报告,报告中指出我国人口突破14亿。 猪哥的朋友圈被14亿人口刷屏,但是很多人并没有看到我国复杂的人口问题:老龄化、男女比例失衡、生育率下降、人口红利下降等。 今天我们就来分析一下我们国家的人口数据吧! 更多有趣分析教程,扫描下方二维码关注vx公号「裸睡的猪」 即可查看! 一、背景 1.人口突破14亿 2020年1月17日,国家统计局发布
听说想当黑客的都玩过这个Monyer游戏(1~14攻略)
第零关 进入传送门开始第0关(游戏链接) 请点击链接进入第1关: 连接在左边→ ←连接在右边 看不到啊。。。。(只能看到一堆大佬做完的留名,也能看到菜鸡的我,在后面~~) 直接fn+f12吧 &lt;span&gt;连接在左边→&lt;/span&gt; &lt;a href="first.php"&gt;&lt;/a&gt; &lt;span&gt;←连接在右边&lt;/span&gt; o
在家远程办公效率低?那你一定要收好这个「在家办公」神器!
相信大家都已经收到国务院延长春节假期的消息,接下来,在家远程办公可能将会持续一段时间。 但是问题来了。远程办公不是人在电脑前就当坐班了,相反,对于沟通效率,文件协作,以及信息安全都有着极高的要求。有着非常多的挑战,比如: 1在异地互相不见面的会议上,如何提高沟通效率? 2文件之间的来往反馈如何做到及时性?如何保证信息安全? 3如何规划安排每天工作,以及如何进行成果验收? ......
作为一个程序员,内存和磁盘的这些事情,你不得不知道啊!!!
截止目前,我已经分享了如下几篇文章: 一个程序在计算机中是如何运行的?超级干货!!! 作为一个程序员,CPU的这些硬核知识你必须会! 作为一个程序员,内存的这些硬核知识你必须懂! 这些知识可以说是我们之前都不太重视的基础知识,可能大家在上大学的时候都学习过了,但是嘞,当时由于老师讲解的没那么有趣,又加上这些知识本身就比较枯燥,所以嘞,大家当初几乎等于没学。 再说啦,学习这些,也看不出来有什么用啊!
别低估自己的直觉,也别高估自己的智商
所有群全部吵翻天,朋友圈全部沦陷,公众号疯狂转发。这两周没怎么发原创,只发新闻,可能有人注意到了。我不是懒,是文章写了却没发,因为大家的关注力始终在这次的疫情上面,发了也没人看。当然,我...
这个世界上人真的分三六九等,你信吗?
偶然间,在知乎上看到一个问题 一时间,勾起了我深深的回忆。 以前在厂里打过两次工,做过家教,干过辅导班,做过中介。零下几度的晚上,贴过广告,满脸、满手地长冻疮。   再回首那段岁月,虽然苦,但让我学会了坚持和忍耐。让我明白了,在这个世界上,无论环境多么的恶劣,只要心存希望,星星之火,亦可燎原。   下文是原回答,希望能对你能有所启发。   如果我说,这个世界上人真的分三六九等,
为什么听过很多道理,依然过不好这一生?
记录学习笔记是一个重要的习惯,不希望学习过的东西成为过眼云烟。做总结的同时也是一次复盘思考的过程。 本文是根据阅读得到 App上《万维钢·精英日课》部分文章后所做的一点笔记和思考。学习是一个系统的过程,思维模型的建立需要相对完整的学习和思考过程。以下观点是在碎片化阅读后总结的一点心得总结。
B 站上有哪些很好的学习资源?
哇说起B站,在小九眼里就是宝藏般的存在,放年假宅在家时一天刷6、7个小时不在话下,更别提今年的跨年晚会,我简直是跪着看完的!! 最早大家聚在在B站是为了追番,再后来我在上面刷欧美新歌和漂亮小姐姐的舞蹈视频,最近两年我和周围的朋友们已经把B站当作学习教室了,而且学习成本还免费,真是个励志的好平台ヽ(.◕ฺˇд ˇ◕ฺ;)ノ 下面我们就来盘点一下B站上优质的学习资源: 综合类 Oeasy: 综合
如何优雅地打印一个Java对象?
你好呀,我是沉默王二,一个和黄家驹一样身高,和刘德华一样颜值的程序员。虽然已经写了十多年的 Java 代码,但仍然觉得自己是个菜鸟(请允许我惭愧一下)。 在一个月黑风高的夜晚,我思前想后,觉得再也不能这么蹉跎下去了。于是痛下决心,准备通过输出的方式倒逼输入,以此来修炼自己的内功,从而进阶成为一名真正意义上的大神。与此同时,希望这些文章能够帮助到更多的读者,让大家在学习的路上不再寂寞、空虚和冷。 ...
雷火神山直播超两亿,Web播放器事件监听是怎么实现的?
Web播放器解决了在手机浏览器和PC浏览器上播放音视频数据的问题,让视音频内容可以不依赖用户安装App,就能进行播放以及在社交平台进行传播。在视频业务大数据平台中,播放数据的统计分析非常重要,所以Web播放器在使用过程中,需要对其内部的数据进行收集并上报至服务端,此时,就需要对发生在其内部的一些播放行为进行事件监听。 那么Web播放器事件监听是怎么实现的呢? 01 监听事件明细表 名
3万字总结,Mysql优化之精髓
本文知识点较多,篇幅较长,请耐心学习 MySQL已经成为时下关系型数据库产品的中坚力量,备受互联网大厂的青睐,出门面试想进BAT,想拿高工资,不会点MySQL优化知识,拿offer的成功率会大大下降。 为什么要优化 系统的吞吐量瓶颈往往出现在数据库的访问速度上 随着应用程序的运行,数据库的中的数据会越来越多,处理时间会相应变慢 数据是存放在磁盘上的,读写速度无法和内存相比 如何优化 设计
Linux 命令(122)—— watch 命令
1.命令简介 2.命令格式 3.选项说明 4.常用示例 参考文献 [1] watch(1) manual
Linux 命令(121)—— cal 命令
1.命令简介 2.命令格式 3.选项说明 4.常用示例 参考文献 [1] cal(1) manual
记jsp+servlet+jdbc实现的新闻管理系统
1.工具:eclipse+SQLyog 2.介绍:实现的内容就是显示新闻的基本信息,然后一个增删改查的操作。 3.数据库表设计 列名 中文名称 数据类型 长度 非空 newsId 文章ID int 11 √ newsTitle 文章标题 varchar 20 √ newsContent 文章内容 text newsStatus 是否审核 varchar 10 news...
Python新型冠状病毒疫情数据自动爬取+统计+发送报告+数据屏幕(三)发送篇
今天介绍的项目是使用 Itchat 发送统计报告 项目功能设计: 定时爬取疫情数据存入Mysql 进行数据分析制作疫情报告 使用itchat给亲人朋友发送分析报告(本文) 基于Django做数据屏幕 使用Tableau做数据分析 来看看最终效果 目前已经完成,预计2月12日前更新 使用 itchat 发送数据统计报告 itchat 是一个基于 web微信的一个框架,但微信官方并不允
相关热词 c#导入fbx c#中屏蔽键盘某个键 c#正态概率密度 c#和数据库登陆界面设计 c# 高斯消去法 c# codedom c#读取cad文件文本 c# 控制全局鼠标移动 c# temp 目录 bytes初始化 c#
立即提问

相似问题

3
手环数据同步到微信运动
0
利用c语言及easy x制作一个坦克大战小游戏,要求代码简单基础,不超过800行最好
1
机器人逆运动学神经网络算法
1
运动规划的伪代码程序看不懂程序的逻辑
1
运动规划的伪代码程序有一行代码有疑问
0
如何用PC程序通过5.8Gwifi 控制多台运动带【5G的运动相机】同时启动工作?
1
vb编程语言实现连杆机构的运动仿真
1
如何利用MFC将物体运动的轨迹实时划出来?
0
海思3516a,图像调节,运动物体周围有透明边框,运动轨迹会显现出透明的糊状,一会儿又还原了
0
有越线检测(绊线检测)的代码吗,最好是MATLAB的,其它的也可以?
1
为什么这个多标签的运动实现不了?
2
双摄同步问题,利用opencv的capture.grab() 抓取运动物体图片,两摄像头总会出现一块一慢的情况。
0
如何拆分视频中第五列的运动轨迹,这种运动轨迹的线条是否容易画出来或者用代码如何实现呢?
1
unity3d 为什么按w 物体向左运动啊
0
VB 中,怎么画出这个机构,以及运动轨迹是如何做到实现静态轨迹的同时进行右移的?
2
如何找到运动中消失又出现的点,很头疼的问题
2
请教 Arduino 怎么编程让舵机进行变速运动?
0
怎么用matlab画小球沿着鼠标点的轨迹运动
1
深度学习做回归问题如何对数据集进行标准化,归一化?
0
在动物换位游戏里添加声音,如何使左右动物运动时程序播放的声音不同