- 博客(48)
- 资源 (9)
- 收藏
- 关注
转载 Visual Perception and Image Quality(视觉感知和图像质量)
本文转自http://www.ricoh.com/about/company/technology/voice/column/009.htmlWe can read small characters without difficulty. Do our eyes have such high resolution? Is eye lens resolution much better th
2012-11-30 21:38:48 1153
转载 Weak Classifiers with Strong Logic(具有强逻辑的弱分类器)
本文转自http://www.ricoh.com/about/company/technology/voice/column/021.htmlClassification of Non-rigid ObjectivesThe previous column story told ( No.20 Weak Classifier and Strong Classifier) how i
2012-11-30 21:19:21 1654
转载 Weak Classifier and Strong Classifier(弱分类器和强分类器)
本文转自http://www.ricoh.com/about/company/technology/voice/column/020.htmlColumn(No.20) Weak Classifier and Strong ClassifierAnimals, human beings included, behave based on environmental percep
2012-11-30 20:52:27 4900
转载 OpenCV中的混合高斯算法原理
本文转自http://blog.csdn.net/carson2005/article/details/7737801申明:以下内容为笔者翻译自国际会议论文,鉴于本人水平有限,翻译难免有误,请大家多多包容。原文为:An Improved Adaptive Background Mixture Model for Real-time Tracking with Shadow Dete
2012-11-30 11:47:56 1075
转载 AdaBoost中利用Haar特征进行人脸识别算法分析与总结2——级联分类器与检测过程 .
本文转自http://blog.csdn.net/weixingstudio/article/details/76319491. 弱分类器在确定了训练子窗口中的矩形特征数量和特征值后,需要对每一个特征f ,训练一个弱分类器h(x,f,p,O) 。在CSDN里编辑公式太困难了,所以这里和公式有关的都用截图了。特别说明:在前期准备训练样本的时候,需要将样本归一化和灰
2012-11-30 09:52:39 1184 1
转载 AdaBoost中利用Haar特征进行人脸识别算法分析与总结1——Haar特征与积分图 .
本文转自http://blog.csdn.net/weixingstudio/article/details/7631241目前因为做人脸识别的一个小项目,用到了AdaBoost的人脸识别算法,因为在网上找到的所有的AdaBoost的简介都不是很清楚,让我看看头脑发昏,所以在这里打算花费比较长的时间做一个关于AdaBoost算法的详细总结。希望能对以后用AdaBoost的同学有所帮助。而且
2012-11-30 09:48:12 1303
转载 九之再续:教你一步一步用c语言实现sift算法、上 .
本文转自http://blog.csdn.net/v_JULY_v/article/details/6245939 教你一步一步用c语言实现sift算法、上作者:July、二零一一年三月十二日出处:http://blog.csdn.net/v_JULY_v参考:Rob Hess维护的sift 库环境:windows xp+vc6.0条件:c语言实现。说明:本BL
2012-11-28 11:03:12 1735 2
转载 做10年Windows程序员与做10年Linux程序员的区别
本文转自http://blog.csdn.net/langeldep/article/details/7069874如果一个程序员从来没有在linux,unix下开发过程序,一直在windows下面开发程序, 同样是工作10年, 大部分情况下与在linux,unix下面开发10年的程序员水平会差别很大。我写这篇文章并不是想贬低windows下面开发的人,做windows开发的人看了可能会感
2012-11-28 09:07:26 785
转载 windows下vs2008/2010+opencv2.2开发环境搭建 .
本文转自http://blog.csdn.net/moc062066/article/details/66265281.下载安装Cmake2.用cmake配置opencv2.2,然后编译,安装3. 在vs2008中配置opencv2.24.Demo1.下载安装Cmake 下载cmake有各种各样的方式,(1)官方网张,http://www.cmake.org/
2012-11-27 21:08:23 844
转载 如何使用MATLAB进行USB2.0摄像头的编程 .
Matlab中的图像获取工具箱给我们提供了必要的函数,我们直接调用就可以了。在在这帖中我们主要就是简单的介绍如何使用该工具箱进行对USB2.0摄像头的编程废话不多说,我们开始言归正传了。但是一定记住你必须安装了PC摄像头才可以进行下面的东西,如果说首次安装摄像头最好重启下PC,否则可能出现没法识别摄像头。整个过程我们需要做如下几件事情:1、查询USB2.0Camera 的具体参
2012-11-26 21:38:33 1693
转载 OpenCV码源笔记——RandomTrees (二)(Forest) .
源码细节:●训练函数bool CvRTrees::train( const CvMat* _train_data, int _tflag, const CvMat* _responses, const CvMat* _var_idx, const
2012-11-22 20:12:34 1462
转载 OpenCV码源笔记——RandomTrees (一) .
OpenCV2.3中Random Trees(R.T.)的继承结构:API:CvRTParams定义R.T.训练用参数,CvDTreeParams的扩展子类,但并不用到CvDTreeParams(单一决策树)所需的所有参数。比如说,R.T.通常不需要剪枝,因此剪枝参数就不被用到。max_depth 单棵树所可能达到的最大深度min_sample_cou
2012-11-22 20:11:56 1519
转载 OpenCV码源笔记——Decision Tree决策树
本文转自http://blog.csdn.net/sangni007/article/details/7490852来自OpenCV2.3.1 sample/c/mushroom.cpp 1.首先读入agaricus-lepiota.data的训练样本。 样本中第一项是e或p代表有毒或无毒的标志位;其他是特征,可以把每个样本看做一个特征向量; cvSeqPush( se
2012-11-22 20:08:24 5082
转载 [基础算法] Random Forests
本文转自http://lincccc.com/?p=47Random Forest(s),随机森林,又叫Random Trees[2][3],是一种由多棵决策树组合而成的联合预测模型,天然可以作为快速且有效的多类分类模型。如下图所示,RF中的每一棵决策树由众多split和node组成:split通过输入的test取值指引输出的走向(左或右);node为叶节点,决定单棵决策树的最终输出,在分类问
2012-11-22 20:06:02 1451
转载 学习OpenCV——粒子滤波(网上两篇文章总结)
本文转自http://blog.csdn.net/sangni007/article/details/7616483粒子滤波的理论实在是太美妙了,用一组不同权重的随机状态来逼近复杂的概率密度函数。其再非线性、非高斯系统中具有优良的特性。opencv给出了一个实现,但是没有给出范例,学习过程中发现网络上也找不到。learning opencv一书中有介绍,但距离直接使用还是有些距离。在经
2012-11-22 19:55:33 1134
转载 OpenCV中的混合高斯算法原理 .
本文转自http://blog.csdn.net/xuhongwei0411/article/details/7863942An Improved Adaptive Background Mixture Model for Real-time Tracking with Shadow Detection; P.KaewTraKualPong,R.Bowden; In Proc. 2nd Eu
2012-11-22 19:36:14 1198
转载 Compressive Tracking——CT跟踪
本文转自http://blog.csdn.net/sangni007/article/details/8116835 感谢香港理工大学的Kaihua Zhang,这是他即将在ECCV 2012上出现的paper:Real-time Compressive Tracking。 这里是他的介绍:一种简单高效地基于压缩感知的跟踪算法。首先利用符合压缩感知RIP条件的随机感知矩对多尺度
2012-11-22 19:33:59 1732
转载 学习OpenCV——初始化视频第一帧 .
本文转自http://blog.csdn.net/sangni007/article/details/8112486在很多视频跟踪或分割中,总是需要初始化第一帧,即在第一帧上画一个框,或者标注前景与背景啊等等,今天就把初始化第一帧,在第一帧上画一个框的代码实现了一下,顺便复习一下OpenCV里面的鼠标召回事件,在此贴上代码,与大家分享,也方便以后查找。[cpp] view pl
2012-11-22 19:27:15 3990
转载 TLD之detector .
本文转自http://blog.csdn.net/zwlq1314521/article/details/8142020 本文会介绍tld中随机森林的创建方法及随机森林的一些基本概念。 首先需要知道的是在tld中的随机森林是用于目标检测分类器,它能够在线更新和预测,撇开它的p-n学习的外套,我们来看它的本质,他就是一个改进的adaboost。 看一下随机森林的概念,随
2012-11-22 17:52:01 2143
转载 详喷TLD .
本文转自http://blog.csdn.net/zwlq1314521/article/details/8140974 之所以从TLD这个算法开始扒,是因为它够经典,涉及的范围够广,引用的参考文献也够经典,哈哈,原作者已经在筹备开公司了。我刚开始学习就是从它入手,逐渐的扩展,写下来,给初学的人一点点参考。 TLD的代码是开源的,你可以从摄像头或者测试视频中选择任意的物体进行跟踪,所
2012-11-22 17:50:51 2588 2
转载 OpenTLD 未完成 - 虎头
本文转自http://blog.csdn.net/windtalkersm/article/details/8018980TLD是一种算法的简称,原作者把它叫做Tracking-Learning-Detection。搞视觉的人看到这个名字都会吓一跳,很ambitious的计划。是09年的工作,不算太久,不过也不太新。网上关于这个的资源其实很多,很大程度和作者开放源代码有关。学习过程
2012-11-22 17:39:00 1260
转载 TLD(Tracking-Learning-Detection)学习与源码理解之(七)
本文转自http://blog.csdn.net/zouxy09/article/details/7893090下面是自己在看论文和这些大牛的分析过程中,对代码进行了一些理解,但是由于自己接触图像处理和机器视觉没多久,另外由于自己编程能力比较弱,所以分析过程可能会有不少的错误,希望各位不吝指正。而且,因为编程很多地方不懂,所以注释得非常乱,还海涵。 FerNNClassifier.h
2012-11-22 17:33:44 1619
转载 TLD(Tracking-Learning-Detection)学习与源码理解之(六)
本文转自http://blog.csdn.net/zouxy09/article/details/7893081 下面是自己在看论文和这些大牛的分析过程中,对代码进行了一些理解,但是由于自己接触图像处理和机器视觉没多久,另外由于自己编程能力比较弱,所以分析过程可能会有不少的错误,希望各位不吝指正。而且,因为编程很多地方不懂,所以注释得非常乱,还海涵。TLD.h[cpp]
2012-11-22 17:31:57 2669
转载 TLD(Tracking-Learning-Detection)学习与源码理解之(五)
本文转自http://blog.csdn.net/zouxy09/article/details/7893056下面是自己在看论文和这些大牛的分析过程中,对代码进行了一些理解,但是由于自己接触图像处理和机器视觉没多久,另外由于自己编程能力比较弱,所以分析过程可能会有不少的错误,希望各位不吝指正。而且,因为编程很多地方不懂,所以注释得非常乱,还海涵。LKTracker.h[cpp
2012-11-22 17:24:53 1477
转载 TLD(Tracking-Learning-Detection)学习与源码理解之(四)
本文转自http://blog.csdn.net/zouxy09/article/details/7893032下面是自己在看论文和这些大牛的分析过程中,对代码进行了一些理解,但是由于自己接触图像处理和机器视觉没多久,另外由于自己编程能力比较弱,所以分析过程可能会有不少的错误,希望各位不吝指正。而且,因为编程很多地方不懂,所以注释得非常乱,还海涵。run_tld.cpp[cpp
2012-11-22 17:23:09 1430 1
转载 TLD(Tracking-Learning-Detection)学习与源码理解之(三)
本文转自http://blog.csdn.net/zouxy09/article/details/7893026下面是自己在看论文和这些大牛的分析过程中,对代码进行了一些理解,但是由于自己接触图像处理和机器视觉没多久,另外由于自己编程能力比较弱,所以分析过程可能会有不少的错误,希望各位不吝指正。而且,因为编程很多地方不懂,所以注释得非常乱,还海涵。 从main()函数切入,分析整个TL
2012-11-22 17:21:39 1990
转载 TLD(Tracking-Learning-Detection)学习与源码理解之(二)
本文转自http://blog.csdn.net/zouxy09/article/details/7893022OpenTLD下载与编译:(1)https://github.com/arthurv/OpenTLD下载得到:arthurv-OpenTLD-1e3cd0b.zip或者在Linux下直接通过git工具进行克隆:#git clone git@github.com:ala
2012-11-22 17:19:53 1445
转载 TLD(Tracking-Learning-Detection)学习与源码理解之(一)
本文转自http://blog.csdn.net/zouxy09/article/details/7893011TLD(Tracking-Learning-Detection)是英国萨里大学的一个捷克籍博士生Zdenek Kalal在其攻读博士学位期间提出的一种新的单目标长时间(long term tracking)跟踪算法。该算法与传统跟踪算法的显著区别在于将传统的跟踪算法和传统的检测算法相
2012-11-22 17:18:31 1991
转载 2011_08_19_Random Fern
本文转自http://blog.sina.com.cn/s/blog_8ff949cf0100yfof.html最近在做 Zdenek Kalal 的 TLD 算法,其成果发表在CVPR 2010 上,文章的名字叫做 P-N Learning: Bootstrapping Binary Classifiers by Structural Constraints,是关于一个跟踪算法的
2012-11-22 17:00:10 753
转载 求帧差
本文转自http://blog.csdn.net/abcjennifer/article/details/6621986//********************************************************************** //@2011/7/21 10:05:21 //@Author: 钱建 & 张睿卿 //******
2012-11-22 09:23:26 750
转载 TLD动态跟踪系统中的学习策略—P-N Learning
本文转自http://blog.sina.com.cn/s/blog_80e381d101015fza.html1概述 本文显示二类分类器的表现可以通过未标记数据结构化的处理过程来提升,也就是说,如果知道一个样本的标记对其他样本的标记有限制,那么认为数据是结构化的。本文提出P-N learning 用已标记和未标记的样本来训练二类分类器,训练的过程通过用来限制未标记数据集的“正约束
2012-11-21 16:16:37 2255
转载 随机蕨(random ferns)简介 .
本文转自http://blog.csdn.net/yang_xian521/article/details/7358078之前看到的TLD代码中里机器学习的部分就是用的这个方法。不过TLD作者在论文中实现使用的是random forest,不过归到底,random forest和random ferns都是一种东西。英文比较好的,推荐链接http://cvlab.epfl.ch/alu
2012-11-21 16:09:30 3693 1
转载 庖丁解牛TLD(五)——井底之蛙啦~ .
本文转自http://blog.csdn.net/yang_xian521/article/details/7091587随着和我交流TLD的朋友越来越多,我渐渐的知道的也多了,才发现我研究的结果只是沧海一粟。这里先膜拜一下Alan Torres大神,他已经用c++把TLD重新写好了,而且代码很规范。他设计的理念有:1. depends *only* on OpenCV (2.3)
2012-11-21 16:04:11 1425
转载 庖丁解牛TLD(四)——Tracking解析 .
本文转自http://blog.csdn.net/yang_xian521/article/details/7079749前几节都是根据作者的程序流程一步步介绍作者的工作,感觉只是对代码的一个注释,这次换一个思路,一部分一部分啃,作者的工作主要就是3部分么,tracking,learning,detection。这次先介绍Tracking的工作。对于Tracking,作者主要使用的是他
2012-11-21 16:02:42 1359
转载 庖丁解牛TLD(三)——算法初始化 .
本文转自http://blog.csdn.net/yang_xian521/article/details/6957732上一讲我提到对于算法的初始化工作主要是在tldInit这个函数里实现的。主要分为如下几大步骤,1)初始化Detector。2)初始化Trajectory。3)训练Detector1)初始化Detector其中bb_scan为扫描grid区域,该函数输入为boun
2012-11-21 16:01:01 1595
转载 庖丁解牛TLD(二)——初始化工作(为算法的准备) .
本文转自http://blog.csdn.net/yang_xian521/article/details/6957139我说的初始化,还不是算法的初始化工作,而是读入图像,响应键盘鼠标之类的工作。作者提供的代码中的工作包含了从摄像头读取和从文件中读取两种输入方案。这里介绍一下从文件输入的办法。因为OpenCV从视频读取图像序列的办法有很好的demo,我这里就不介绍摄像头的办法了。TLD下载后
2012-11-21 15:59:53 1675
转载 庖丁解牛TLD(一)——开篇 .
本文转自http://blog.csdn.net/yang_xian521/article/details/6952870最近在网上多次看到有关Zdenek Kalal的TLD的文章,说他做的工作如何的帅,看了一下TLD的视频,感觉确实做的很好,有人夸张的说他这个系统可以和Kniect媲美,我倒是两者的工作可比性不大,实现的方法也不同。但这个哥们做的真的很棒,最可贵的是人家提供了源码可以下
2012-11-21 15:57:59 1571
转载 TLD视觉跟踪技术解析
本文转自http://networking.asmag.com.cn/n-50168.shtml摘要:城市轨道交通复杂的环境给智能分析带来诸多问题,而当前新颖的TLD视觉跟踪技术却能更好的适应这个复杂环境,本文就来看看TLD视频跟踪技术如何更好的应用在城市轨道交通环境中....
2012-11-21 15:52:48 1430
转载 机器学习的基本概念 .
本文转自http://blog.csdn.net/carson2005/article/details/6384965顾名思义,机器学习的目的就是让机器具有类似于人类的学习、认识、理解事物的能力。试想一下,如果计算机能够对大量的癌症治疗记录进行归纳和总结,并能够给医生提出适当的建议和意见,那对病人的康复来说,是多么的重要。除了医疗领域,金融股票、设备维护、自动驾驶、航空航天等领域也对机器学习表
2012-11-21 15:46:27 1031
转载 比微软kinect更强的视频跟踪算法--TLD跟踪算法介绍 .
本文转自http://blog.csdn.net/carson2005/article/details/7647500 TLD(Tracking-Learning-Detection)是英国萨里大学的一个捷克籍博士生在其攻读博士学位期间提出的一种新的单目标长时间(long term tracking)跟踪算法。该算法与传统跟踪算法的显著区别在于将传统的跟踪算法和传统的检测算法相结合来解决被跟
2012-11-21 15:44:26 1177
Visual+C+++2008入门经典(高清)
2012-11-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人