【人脸识别】基于matlab GUI形态学教室人数统计（带面板）【含Matlab源码 1703期】

[J].科技视界. 2021,(07) [6]张娜,刘坤,韩美林,陈晨.一种基于PCA和LDA融合的人脸识别算法研究[J].电子测量技术. 2020,43(13) [7]陈艳.基于BP神经网络的人脸识别方法分析[J].信息与电脑(理论版). 2020,32(23) [8]戴骊融,陈万米

一次在华为模式识别课使用mindspore完成深度学习、HMM和聚类实验的过程

使用聚类性能度量的外部指标和内部指标对聚类结果进行分析。基于官方模型库，对相同的数据集进行训练，并与自己独立实现的算法对比结果，并分析结果中出现差异的可能原因。

【SDK案例系列 02】基于 MindX SDK + Pytorch CRNN的OCR识别

模型推理：CRNN模型针对文字进行OCR识别。模型后处理：针对推理结果进行后处理文字转换。数据序列化：将stream结果组装成json字符串输出。

浅谈黑盒识别Fastjson/Jackson组件

根据上面的思路可以发掘出很多别的思路，但是实际在环境测试时却与之前的想法有差异，这里对遇到的其中一个点进行分析。

快来get华为的秘密武器--智慧园区业务核心服务

2.3     业务服务典型使用场景示例2.3.1   视频服务使用场景视频服务（Video Service）：提供视频监控代理和视频智能分析服务视频监控代理：视频实况浏览、回放、云台控制、媒体控制、录像、抓拍等常见的视频播放能力；视频智能分析：基于AI算法，提供人脸识别、车辆识别

【Atlas 200DK产品】【视频接入功能】如何实现多路RTSP流同时接入

【功能模块】样例程序：https://gitee.com/Atlas200DK/sample-videoanalysisperson目前通过param_configure.conf仅支持一路rtsp视频流，可以正常运行。 希望通过rtsp接入8路视频，这个如何实现？是否有样例？

利用函数服务对新上传的OBS对象进行视频转码

1      简介利用华为云的媒体转码（MPC）服务可以对OBS桶中的视频对象转码为适应各种终端（PC、TC、Phone等）播放的格式，同时华为云的函数工作流（FunctionGraph）服务，通过设定新对象上传事件触发视频转码函数。2      效果展示新建一个北京区域的OBS桶

华为云智慧校园应用创新大赛（上海）获奖队伍宣传视频

好望开发平台调测阶段视频窗口无法弹出的解决办法

问题描述：好望开发平台在线调测阶段，查看视频后无法弹出视频框测试环境：windows 64位环境chrome浏览器解决方法：1、查看C:\Windows\SysWOW64目录下是否有vcruntime140.dll文件，如果没有，在C:\Windows下搜索该文件，并复制到C:\Windows

应用服务精品视频系列大合集：产品介绍&入门教程

本帖最后由 橘色祥云楼楼主 于 2017-12-29 15:56 编辑 <br /> 欢迎大家收看华为云 新手入门类【视频教程】，有问题欢迎留言或者去<a href=http://forum.huaweicloud.com/forum.php?mod=viewthread&tid

【物联网俱乐部】NB-IoT+LiteOS全功能实战开发套件开箱视频

产品简介EVB_M1是一款基于NB-IoT应用场景而制作的低功耗高性能的开发板。板子的设计充分考虑了人性化设计，并结合NB-IoT多种应用场景，开发板采用可添加扩展板方式，秀气精致，便于开发者根据需求接入不同传感器，实现自主设计。板载锂电池充电电路，可模拟NB-IoT独立终端，帮助用户轻松体验

视频转码和点播服务中如何配置消息通知服务

登录消息通知服务控制台，单击“主题”并创建主题，如创建主题“mts”。在创建的主题行，点击“更多 > 设置主题策略 ”，如图1所示。图1 设置主题策略       其中可发布消息的服务需要勾选“MTS”和“VOD”，分别对应媒体转码服务和视频点播服务，勾选后表示可以使用消息通知服务发布消息

【品牌视频】华为云跨境电商平台：跨越山海 智境未来

华为云跨境电商平台：跨越山海  智境未来video

FairMOT目标跟踪样例运行后得到的视频速度过快

我在atlas 200DK上搭建的和设环境 运行样例FairMOT多目标轨迹检测-昇腾社区 (hiascend.com)成功后得到的视频播放速度过快，且画质模糊。转换代码如下；如何使画质不那么糊，且播放速度慢一点呢？

【知识点】沃土数字平台@园区—如何通过园区BO快速搭建视频应用

https://mp.weixin.qq.com/s?__biz=MzA5MjM5OTYzNA==&mid=2247485128&idx=1&sn=055ff8418327cc99832c9c95bd733c5d&chksm=906cf7b5a71b7ea3419cbf6d82b1ba87191a0a11a75918e37d2b3b1d3da09159457d01653813&

用于视频恢复的无监督流对齐序列到序列学习

如何正确建模视频序列中的帧间关系是视频恢复(VR)中一个重要但尚未解决的问题。在本研究中，我们提出一种无监督流对齐序列对序列模型(S2SVR)来解决这个问题。一方面，在虚拟现实中首次探索了在自然语言处理领域已被证明具有序列建模能力的序列对序列模型。优化的序列化建模显示了捕获帧之间的远程依赖关系的潜力