OpenCv中的机器学习算法
马卫飞
上市公司深度学习算法工程师---深度学习,计算机视觉,图像处理,嵌入式开发,android开发
展开
-
【SVM理论到实践2】OpenCv中的支持向量机SVM源代码的解读
/***************************************************************************************************** 程序功能: OpenCv中的支持向量机SVM源代码的解读使用步骤: 无论是使用OpenCv中的SVM还是使用其他库中的SVM进行分类,一般的步骤分为以下几步原创 2017-03-03 22:42:38 · 1649 阅读 · 0 评论 -
【基于PCA的人脸识别算法】从QR分解到PCA,再到人脸识别
PCA(Principal Component Analysis,主成分分析)是一种很常用的根据变量协方差对数据进行降维、压缩的方法。它的精髓在于尽量用最少数量的维度,尽可能精确地描述数据。 PCA对数据进行降维的过程可以用下面这个动图来解释(图片摘自http://stats.stackexchange.com/a/140579/93946): 在上转载 2017-12-12 19:55:12 · 793 阅读 · 0 评论 -
利用Hog特征和SVM分类器进行行人检测
之前介绍过Hog特征(http://blog.csdn.net/carson2005/article/details/7782726),也介绍过SVM分类器(http://blog.csdn.net/carson2005/article/details/6453502 );而本文的目的在于介绍利用Hog特征和SVM分类器来进行行人检测。 在2005年CVPR上,来自法国的研究转载 2017-12-12 11:06:07 · 382 阅读 · 0 评论 -
HOG_SVM_行人检测数据集合_INRIA数据集
HOG+SVM是经典的行人检测方法,论文作者同时搞了一个INRIA数据集。INRIA数据集官方页面:http://pascal.inrialpes.fr/data/human/,不过说真的,数据集搞的挺乱的。首先,INRIA数据集的原始图片,来自GRAZ 01数据集和网络上的一些图片。这些图片相比于MIT行人数据集,人的姿态和光照条件啥的都更加全面,适合做行人检测。每张图片中都进行转载 2017-12-12 11:03:52 · 3869 阅读 · 2 评论 -
行人检测(Pedestrian Detection)资源
行人检测(Pedestrian Detection)资源原文链接 http://hi.baidu.com/susongzhi/item/085983081b006311eafe38e7一、论文CVPR2013年行人检测相关的文章[1] Robust Multi-Resolution Pedestrian Detection in Traffic Scenes转载 2017-06-13 19:50:24 · 1334 阅读 · 0 评论 -
自己训练SVM分类器进行HOG行人检测
我搭建了自己的独立博客,此篇文章的新地址:http://masikkk.com/article/SVM-HOG-self-training/正样本来源是INRIA数据集中的96*160大小的人体图片,使用时上下左右都去掉16个像素,截取中间的64*128大小的人体。负样本是从不包含人体的图片中随机裁取的,大小同样是64*128(从完全不包含人体的图片中随机剪裁出64*1转载 2017-06-13 19:49:37 · 1615 阅读 · 0 评论 -
OpenCV3.0 HOG+SVM行人检测器
介绍什么的请参考:利用Hog特征和SVM分类器进行行人检测我只说一下Opencv3.0里面,需要注意的地方。 本人接触OpenCV很短的时间,新手。OpenCV3.0相比2.X,接口更加清晰,还是有很大的改动的。 主要有几个需要注意的地方: 1. sampleLabelMat的数据类型必须为有符号整数型。 2. 加载已经训练好的分类器,需要注意: svm = SVM::转载 2017-06-13 19:46:13 · 1880 阅读 · 1 评论 -
使用opencv的SVM实现车牌区域识别
一、前言本文仅仅演示使用opencv2.4.6中已经定义好的SVM函数实现对车牌区域正负样本的训练,然后使用训练好的SVM模型对测试样本进行预测。二、所使用的正负样本首先我将一系列图片进行图像预处理、分割等一系列步骤,这部分内容可以参看《深入理解opencv 使用计算机视觉项目解析》,这样从中挑选出100个正样本(车牌区域)和70个负样本(非车牌区域),大小均为14转载 2017-06-13 11:58:39 · 2948 阅读 · 2 评论 -
使用opencv的SVM和神经网络实现车牌识别
一、前言本文参考自《深入理解OpenCV 实用计算机视觉项目解析》中的自动车牌识别项目,并对其中的方法理解后,再进行实践。深刻认识到实际上要完成车牌区域准确定位、车牌区域中字符的准确分割,字符准确识别这一系列步骤的困难。所以最后的识别效果也是有待进一步提高。二、程序流程程序流程如下所示:相应的main函数如下[cpp] view转载 2017-06-13 11:57:08 · 2145 阅读 · 0 评论 -
2013计算机视觉代码合集一
转载自http://www.yuanyong.org/blog/cv/cv-code-one一、特征提取Feature Extraction:SIFT [1] [Demo program][SIFT Library] [VLFeat]PCA-SIFT [2] [Project]Affine-SIFT [3] [Project]SURF [4] [OpenSURF] [Mat转载 2017-06-05 13:08:10 · 579 阅读 · 0 评论 -
【SVM理论到实践1】SVM支持向量机的简介
支持向量机SVM理论到实践一:SVM支持向量机的简介本章的学习目标: 1)SVM:支持向量机的简介 2)支持向量机与传统机器学习算法相比的优点 3)为什么需要SVM的核函数 4)SVM中常用的四种核函数 5)OpenCv中核函数的定义1)SVM:支持向量机的简介传统的模式识别技术只考虑训练样本的拟合情况,并且以最小化分类器在训原创 2017-03-03 22:37:11 · 2083 阅读 · 0 评论 -
【SVM理论到实践4】基于OpenCv中的SVM的手写体数字识别
//由于本人每天时间非常紧张,所以博客仅供各位参考,里面的代码都是运行过的,直接可以运行本章的学习目标: 1)手写体数字识别数据库MNIST 2)基于SVM训练的具体步骤 1)手写体数字识别数据库MNISTMNIST(Mixed National Institute of Standards and Technology)是一个大型的手写体数字识别数据库,广泛原创 2017-03-03 22:52:54 · 5810 阅读 · 5 评论 -
【SVM理论到实践3】OpenCv中自带的两个例子:线性可分和线性不可分代码解读
#include #include #include using namespace cv;int main(){ //【1】创建可视化的窗口 int width = 512; int height = 512; cv::Mat image = Mat::zeros(height, width, CV_8UC3); //【2】设置训练数据原创 2017-03-03 22:44:30 · 1057 阅读 · 0 评论 -
基于PCA(主成分分析)的人脸识别
代码下载:基于PCA(主成分分析)的人脸识别人脸识别是一个有监督学习过程,首先利用训练集构造一个人脸模型,然后将测试集与训练集进行匹配,找到与之对应的训练集头像。最容易的方式是直接利用欧式距离计算测试集的每一幅图像与训练集的每一幅图像的距离,然后选择距离最近的图像作为识别的结果。这种直接计算距离的方式直观,但是有一个非常大的缺陷—计算量太大。如果每幅图像大小为100*100,训练集大小10转载 2017-12-12 20:12:27 · 2600 阅读 · 0 评论