圣托里尼
Santorini 是由 Gordon Hamilton 于 2004 年发布的两人或三人策略棋盘游戏。 每一轮游戏都涉及每回合围绕 5×5 网格移动您的两个棋子中的一个，然后在移动的棋子旁边放置一块瓷砖，建立棋盘的那个位置。 在随后的回合中，棋子可以移动到这些积木块之一上，但一次只能提升一层。 碎片也可以向下移动任意数量的级别。 主要获胜条件是将您的一个棋子放到第三层（通常是四块高，因为正常的游戏设置以 5×5 网格的 0 层块开始）。 如果你的对手完全无法移动，这也是一场胜利。 除了放置普通瓷砖，您还可以选择将特殊圆顶瓷砖放在已经处于第 3 级的位置的顶部。这将防止任何玩家在游戏的剩余时间内再次移动或建立该位置
2022-02-16 02:01:15
2.28MB
1
为解决传统的使用视频彩色图像序列的智能监控容易受光照、颜色等因素影响的问题,提出结合Kinect深度图像和支持向量机的人体动作识别方法.利用Kinect在监控区域获得实时深度图像,并进行背景擦除,滤波处理和提取Haar特征.通过使用支持向量机的分类算法生成分类器,并对一组特定的静态动作识别结果进行分析.研究结果表明:使用深度图像对于静态动作有较好的识别率,并且与传统的基于彩色图像的智能监控相比,该方法不仅对于光照、颜色等因素不敏感,而且在识别的准确率和效率上均有提升.
2022-02-14 10:37:31
714KB
1
matlab除噪声代码深度分割
这些是论文的代码和数据：，IEEE物联网杂志，2020年。
DeepSeg旨在细分活动以基于WiFi通道状态信息（CSI）的活动识别。
引文
@ARTICLE
{DeepSeg2021，
作者=
{肖春京和雷蕾，马永森，周凡和秦志光}，
journal
=
{IEEE物联网杂志}，
title
=
{DeepSeg：基于深度学习的基于WiFi的活动识别活动细分框架}，
年=
{2020}，
音量=
{}，
数字=
{}，
页数=
{1-1}，
doi
=
{10.1109
/
JIOT.2020.3033173}
}
数据集
我们从原始CSI数据中提取的用于实验的数据可以从百度网盘或Google云端硬盘下载：
CSI振幅数据：Data_CsiAmplitudeCut
百度网盘：（密码：k8yp）
Google云端硬碟：
手动标记的CSI幅度数据标签：Label_CsiAmplitudeCut
百度：（密码：xnra）
谷歌：
（1拳;
2挥手;
3捡起;
4举手;
5跑步;
6推;
7蹲;
8拉O;
9步行;
10拉X）
同样，我们收集的原始CSI数据也
2022-02-11 20:03:02
21.15MB
1