- 博客(8)
- 资源 (2353)
- 收藏
- 关注
原创 box
adb install -r F:\qqrecv\apphelper\apphelper\10004.apkadb push F:\qqrecv\apphelper\apphelper\apphelper_1.0.jar data/local/tmpadb shell uiautomator runtest apphelper_1.0.jar -c com.ymnet.apphelper.
2016-10-29 15:48:21 616
原创 haar训练
使用create.dat调用%Opencv%\vs2008\bin\Release\ opencv_createsamples.exe在createsamples.cpp中查阅参数设置-info 输入正样本描述文件,默认NULL-img 输入图像文件名,默认NULL-bg
2016-10-27 11:04:26 536
原创 haar training
首先,需要说明的是,OpenCV自带的haar training提取的特征是haar特征(具体请参考我的另一篇关于haar特征的文章:http://blog.csdn.net/carson2005/article/details/8094699 ),分类器是AdaBoost级联分类器(如需了解Adaboost算法,请参考我的另一篇文章:http://blog.csdn.net/carson2005
2016-10-12 06:36:30 2035
原创 haar训练
一、简介目标检测方法最初由Paul Viola [Viola01]提出,并由Rainer Lienhart [Lienhart02]对这一方法进行了改善。该方法的基本步骤为: 首先,利用样本(大约几百幅样本图片)的 harr特征进行分类器训练,得到一个级联的boosted分类器。分类器中的"级联"是指最终的分类器是由几个简单分类器级联组成。在图像检测中,被检窗口依次通过每一级分类器,这
2016-10-07 12:52:34 1812
原创 图像特征提取三大法宝:HOG特征、LBP特征、Haar-like特征
(一)HOG特征1、HOG特征:方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。需要提醒的是,HOG+SVM进行行人检测的方法是法国研究
2016-10-07 12:19:33 60009 1
原创 haar
首先说一下一维haar小波的原理。 例如我们有一个一维的图像[2,4,6,8,10,12,14,16].求均值:我们求相邻像素的均值[3,7,11,15]。这个新的图像分辨率就成了原来的一半(8/2=4)。求差值。上面的均值我们存储了图像的整体信息。但是很多细节信息我们丢掉了,所以我们同时要记录图像的细节信息,这样在重构时能够恢复图像的全部信息。下面是求第m个差值的公式:b
2016-10-07 11:59:17 4681 1
原创 vec
版权声明:本文为博主原创文章,未经博主允许不得转载。在我们开始训练我们的Haar分类器之前,首先要对样本进行处理。人脸识别的尝试系列(一)中:http://blog.csdn.net/u011583927/article/details/44627493我们已经提到了如何准备我们的样本,在如下图准备好样本之后需要在cmd窗口中调用类似如下的命令生成vec文件
2016-10-07 03:12:08 1490
原创 PCA
在OPENCV中使用PCA非常简单,只要几条语句就可以了。1、初始化数据//每一行表示一个样本CvMat* pData = cvCreateMat( 总的样本数, 每个样本的维数, CV_32FC1 );CvMat* pMean = cvCreateMat(1, 样本的维数, CV_32FC1);//pEigVals中的每个数表示一个特征值CvMat* pEigVals =
2016-10-06 21:32:41 306
arm so注入代码
2018-06-22
32机器pe hook以及进程调试工具源代码
2016-09-03
linux x86平台elf 进程注入so并且实现基于rel的hook ubuntu14.01测试通过
2016-08-21
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人