- 博客(8)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 图像项目-基于opencv的人脸识别
基于opencv的人脸识别opencv的一个目录：opencv/sources/data/haarcascades 提供了用于人脸检测相关的文件，加载这些文件，就可以方便的实现人脸检测的相关工作。face_cascade = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')faces = face_cascade.det
2017-08-24 20:16:36
13319
8
原创 图像处理项目-车标识别
图像处理项目-车标识别概述我们的目标是提供一张原始车标图像作为基准。然后，提供一个实际车辆图片的车标部分的截图。然后实现两者之间的匹配。实现车标识别显然其特征是与图像尺度及旋转无关的，所以SIFT特征是一个不错的选择。匹配算法的选择：FLNN相同车标的匹配效果：不同车标的匹配效果：
2017-08-23 20:38:32
6296
2
原创 图像处理项目-监控视频的行人追踪
监控视频的行人追踪概述要求：根据提供的监控视频图像，追踪视频中行人并对其运动轨迹做出预判。实现视频图像的行人认定为图像的前景区域，识别新人即为分割图像的前景背景，故可使用knn实现分割利用opencv的BackgroundSubtractorKNN实现的分割效果如下图所示：对分割出的前景区域，可以计算该区域的HSV颜色模型并计算反投影，再利用camshift( 原理是均值漂移算法 )实现对前
2017-08-16 22:12:01
9276
6
原创 目标追踪-meanshift算法
目标追踪-meanshift算法原理简介开始 结果 如上图所示，meanshift算法原理概括如下：首先设定起始点x，就是圆的圆心。 所有在球内的点就是xi , 黑色箭头就是我们计算出来的向量xxi , 将所有的向量 xxi进行求和计算平均就得到我们的meanshift 向量，也就是图中黄色的向量。接着，再以meanshift向量的终点为圆心，再做一个高维的球，如下图所示，重复上面的步骤，
2017-08-15 10:59:02
1624
原创 目标追踪-背景分割
目标追踪-背景分割介绍传统的前景背景分割方法有GrabCut，分水岭算法，当然也包括一些阈值分割的算法。但是这些算法在应用中往往显得鲁棒性较弱，达不到一个好的分割效果。现代的背景分割算法融入了机器学习的一些方法来提高分类的效果。如KNN，混合高斯（MOG2）,Geometric Multigrid。这些算法的基本原理就是对每一帧图像的环境进行学习，从而推断出背景区域。opencv的Backgr
2017-08-15 10:25:59
3096
原创 caffe应用-01灰度图像分类之手写体数字识别
caffe应用-01灰度图像分类之手写体数字识别很多情况下，我们去做图像的分类可能和图像的颜色没有太大的关系，像手写体识别，人脸识别等。mnist的这个例子是caffe官方自带的，他的数据源包括60000张的训练数据以及10000张的测试数据。其中，每张都是大小为28*28像素的单通道（灰度值为0-255）图片。1.制作lmdb数据源将所需图片文件夹（tain和test）下载后放在一个文件夹
2017-08-03 16:38:56
1837
原创 caffe基础-12如何成功跑通caffe的example
caffe基础-12如何成功跑通caffe的examplecaffe/examples/mnist目录下有个lenet_train_test.prototxt文件，这个网络是官方库用来做手写体识别的。其网络结构如下图所示（绘图命令参考http://blog.csdn.net/terrenceyuu/article/details/76531679）： 由于lmdb数据源在安装caffe后是没有的，
2017-08-01 17:35:08
821
原创 caffe基础-11绘制网络
caffe基础-11绘制网络１、安装graphViz：# sudo apt-get install graphviz2、安装pip(if need)：参考：https://zhidao.baidu.com/question/1240554972151163659.html3 、安装pydot：# sudo pip install pydot4、绘图命令：sudo python /home/t
2017-08-01 15:21:44
360
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人