2014年09月_xiaoiker

12月 11月 10月 09月 08月 07月 05月 04月 03月 02月 01月

原创 C++图像辅助工具包Eigen入门代码学习（很好的配合Opencv）

#include #include using namespace Eigen; using namespace std; int main() { MatrixXd m = MatrixXd::Random(3,3); MatrixXd n; n=MatrixXd::Constant(3,3,1.2); //这是一个3*3的矩阵，里面的值全部是1。2 cou

2014-09-26 17:57:13 3157

转载 C++矩阵工具包Eigen使用入门

Eigen非常方便矩阵操作，当然它的功能不止如此，由于本人只用到了它的矩阵相关操作，所以这里只给出了它的一些矩阵相关的简单用法，以方便快速入门。矩阵操作在算法研究过程中，非常重要，例如在图像处理中二维高斯拟合求取光斑中心时使用Eigen提供的矩阵算法，差不多十来行代码即可实现，具体可见：http://blog.csdn.net/hjx_1000/article/details/8490653

2014-09-26 16:14:35 5265

原创目标跟踪学习系列九：Struck：Structured Output Tracking with Kernels头文件代码框架

我们先来看一下整个的头文件的构成：其中：config.h ：配置头文件，里面定义了一个类：class Config。主要定义的是特征的类型，核函数的类型等等。Features.h：定义了一个Class Features 。里面定义了int 型的m_featureCount//特征计数Eigen::VectorXd m_featVec 存储特征的向量。其中使用了in

2014-09-25 11:19:51 6083 8

原创目标跟踪学习系列八：Struck：Structured Output Tracking with Kernels（2011 ICCV）

看来人机交互不是我想象的那么简单的，还是要花很多的功夫来打基础的。于是再来学习Tracking相关的一些文章算法。在认真的学习了压缩跟踪（CT）以后，确实觉得自己对Tracking有了比较好的了解。但是看了在测试集上面的效果，被欺骗了原来CT的效果在真实的摄像头上面是很差劲的。唯一的优点就是快。因此，还得回来学习一些其他的精度比较高的方法！这里选择了Struck。是大牛学长

2014-09-24 17:19:05 9548 2

原创手势跟踪论文学习：Realtime and Robust Hand Tracking from Depth（五）Hand Initialization 2

论文阅读原创，转载标明出处：回顾：上一节我们说到了，作者通过自己定义的X-Y Finger和 Z-Finger来进行手指的检测，然后来初始化Hand Pose。其实勒，手指经常都会死斜着的。也就是说不会是标准的X-Y Finger和或者Z-Finger。那作者是如何的处理的勒？手指的检测：对于手指的检测，先进行X-Y Finger的检测。然后分割出去；再进行Z-Finger

2014-09-15 18:31:34 3486 4

原创手势跟踪论文学习：Realtime and Robust Hand Tracking from Depth（四）Hand Initialization

在多次的阅读这篇论文以后才明白文章的结构为什么这样安排：将Hand Initialization这部分放在文章的所有的优化算法的最后，说明整个算法即便是不要这一部分的优化也是可以的。我们从文章中的Table 2可以看到，不使用Hand Initialization得到的结果比使用到Initialization的结果差2mm。若是你对于最终的结果要求不是很高的话，其实可以忽略这一部分了。我们从H

2014-09-13 15:16:35 3251

转载 ICP算法——迭代最近邻算法及应用

zhuanzaizhhttp://blog.csdn.net/xiaowei_cqu/article/details/8470376

2014-09-08 11:29:45 9448

原创手势跟踪论文学习：Realtime and Robust Hand Tracking from Depth（三）Cost Function

手势跟踪ＣＶＰＲ2014论文学习

2014-09-04 12:24:32 3154 1

原创手势跟踪论文学习：Realtime and Robust Hand Tracking from Depth（二）

论文细节手势识别或者说手的跟踪在人机交互中非常重要，已经有几十年的研究。但是它存在的难点还是很多的：手的动作是由很多的复杂的手指的活动构成的，同时，在可变的大视角下面的快速移动。目前做出来比较好的效果的做法有几种，一种使用了非常复杂的网格模型（mesh model，具体不知道是怎么做的），但局限性在于它的局部最优的方法速度也很差；另一种则是采用多边形模型（polygonal mode

2014-09-01 15:52:05 4073 5