计算机视觉
银色子弹lx
北京邮电大学硕士
展开
-
最大似然和最大后验的关系
学过概率论的都应该知道贝叶斯公式。贝叶斯准则的公式可以写成如下的形式:其中x1-xI表示我输入的一串数据,theta代替的是生成模型的一系列参数。等式左边表示的是后验概率:我给你一串数据x(在计算机视觉中通常称为特征),它们属于这个theta代表的模型的概率是多少(在计算机视觉里通常表示分类,属于某一类的概率是多少)。等式右边,分子有两部分组成,第一部分连乘原创 2015-03-27 15:07:48 · 3323 阅读 · 0 评论 -
OpenCV函数cvFindContours轮廓提取
提取轮廓在OpenCV里有一个函数 cvFindContours :[cpp] view plaincopyint cvFindContours( CvArr* image, CvMemStorage* storage, CvSeq** first_contour,int header_size=sizeof(CvContour),int mode=CV_RETR_LIST,int method=转载 2016-01-08 15:18:45 · 2912 阅读 · 0 评论 -
Region Covariance: A Fast Descriptor for Detection and Classification算法总结
传统的像素级特征比如颜色、梯度、滤波响应等等它们对光照变化和非刚性运动的描述不够鲁棒,而在像素级特征之上延伸出的直方图表述了一种无参的联合分布,然而随着特征数目的增加,联合分布的表达是呈指数增加的。另外,关键点的检测以及描述在匹配局部图像上非常有效,然而它们只包含了局部信息,没有利用全局的信息。与直方图类似,协方差也能作为特征描述,并且协方差的特征维度要小很多。实验证明,协方差特征比其他特征性原创 2015-11-16 20:53:59 · 1568 阅读 · 0 评论 -
图像分割之聚类算法
常见的聚类算法有:kmeans、fuzzy c-means、EM、hierarchical clustering、graph theoretic、self organizing map参考文章:A Review on Image Segmentation Clustering Algorithms其中LZ对Kmeans和EM比较熟悉,图论和自组织映射相关的资料比较少,主要学习下模糊C均值聚转载 2015-10-15 09:48:00 · 9862 阅读 · 0 评论 -
运动历史图(MHI)——Motion History Image
MHI最初是由Bobick 和 Davis提出的,在此之前,Bobick 和 Davis 首先提出了二值的运动能量图(Motion Energy Image,MEI),通过描述物体如何移动和运动在空间中发生的位置,来进行基于运动的物体识别。运动能量图显示了运动的轮廓和能量的空间分布。在运动能量图的基础上产生了运动历史图(Motion History Image,MHI)。运动历史图是一种基于视觉的原创 2015-06-15 16:46:52 · 11749 阅读 · 5 评论 -
目标跟踪方法概述
监控视频中对象跟踪问题,不少学者投入大量精力进行研究,已经产生各种不同的跟踪方法。对于跟踪方法,我们可以根据算法提取的视觉特征、定位跟踪目标的方法、算法同时跟踪目标的数量这几个方面进行分类叙述。以下就跟踪方法中的要点逐一进行说明。跟踪对象的视觉特征选择合适的视觉特征对于跟踪算法而言至关重要。通常选取的视觉特征可作为目标唯一描述,使得其在特征空间中显著可分。值得注意的是,特征的选原创 2015-04-27 15:08:23 · 4752 阅读 · 0 评论 -
高斯混合模型
原文:http://bucktoothsir.github.io/blog/2014/12/04/11-thblog/转载 2015-04-29 11:02:03 · 475 阅读 · 0 评论 -
再谈Fisher Vector
原文链接:http://bucktoothsir.github.io/blog/2014/11/24/9-th/Fisher Vector(1)在高斯混合模型中,我提到了特征处理的一般流程:事实上高斯混合模型完成的是k-means的任务,那么通过高斯混合模型聚类后,也用一般的基于距离的方法进行feature encoding么?不是的,高斯混合模转载 2015-04-29 10:24:29 · 2286 阅读 · 0 评论 -
数字图像处理、计算机视觉经典方法整理
这两周一直在学习计算机视觉领域的一些经典方法,现归纳整理如下,给出各位大牛的技术博客链接,欢迎前往:Haar特征:http://blog.csdn.net/liulina603/article/details/8617281Canny算子:http://blog.csdn.net/likezhaobin/article/details/6892176Harris角点:http://原创 2015-04-10 21:39:22 · 847 阅读 · 0 评论 -
Fisher vector学习笔记
原文:http://blog.csdn.net/carrierlxksuper/article/details/28151013 最近在看fisher vector的相关知识,fisher vector被广泛应用到了图像的分类,目标识别等领域,特别是结合着BOW model。 模式识别方法可以分为生成方法和判别方法。前者注重对类条件概率密度函数的建模,而后者聚焦于分类。转载 2015-04-29 09:30:16 · 1529 阅读 · 0 评论 -
Dense Trajectory
原文地址:http://m.blog.csdn.net/blog/dream_catcher_10/38736101Dense Trajectory简称DT,是一种用来提取视频密集跟踪轨迹的算法;通常基于该轨迹进行取块计算descriptor。(一)DT计算1.概念:在视频序列中对每一帧的兴趣点进行跟踪就形成trajectory,若是对每一帧密集采样兴趣点进行跟转载 2015-04-29 14:41:33 · 3387 阅读 · 1 评论 -
在线多实例学习online MIL
目标跟踪是计算机视觉领域里一个很重要的课题,而在线多实例学习方法是应用在视觉跟踪上的。关于这方面的讲解,网上能搜到的很少,于是自己看了若干文献,简单总结下,个人理解的不是很透彻,有不对的地方还望指正。Visual Tracking with Online MultipleInstance Learning:通常一个跟踪系统会包含3个部分:image representation,a原创 2015-04-14 14:24:34 · 3659 阅读 · 0 评论 -
haar-like特征
参考文章地址:http://www.cnblogs.com/ello/archive/2012/04/28/2475419.html人脸检测属于计算机视觉的范畴,早期人们的主要研究方向是人脸识别,即根据人脸来识别人物的身份,后来在复杂背景下的人脸检测需求越来越大,人脸检测也逐渐作为一个单独的研究方向发展起来。目前的人脸检测方法主要有两大类:基于知识和基于统计。“转载 2015-04-08 09:16:15 · 5144 阅读 · 0 评论 -
HOF特征
HOF(Histogramsof Oriented Optical Flow)与HOG类似,是对光流方向进行加权统计,得到光流方向信息直方图。通常用于动作识别中。不懂HOG特征的,这篇文章讲得很清楚。由于目标的尺寸会随着时间发生变化,相应的光流特征描述子的维度也会变化,同时,光流的计算对背景噪声、尺度变化以及运动方向都较敏感,因此需要寻找一种基于光流的既能表征时域动作信息,又对尺度和运原创 2015-04-10 16:54:25 · 16126 阅读 · 4 评论 -
MoSIFT特征
MoSIFT是Charif等人提出的一种新颖的时空特征(Motion Scale Invariant Feature Transform)算法,算法首先提取图像中的SIFT点特征,然后计算与SIFT关键点尺度相对应的光流大小。因为MoSIFT特征是基于SIFT特征的,所以不懂SIFT特征的请看:这里MoSIFT算法能够检测空间上具有一定运动的、区分性强的兴趣点,运动强度由兴趣点周围的光原创 2015-04-10 16:37:20 · 3046 阅读 · 1 评论 -
直方图均衡化
转载出处:http://blog.csdn.net/rushkid02/article/details/9178117直方图均衡化的作用是图像增强。有两个问题比较难懂,一是为什么要选用累积分布函数,二是为什么使用累积分布函数处理后像素值会均匀分布。第一个问题。均衡化过程中,必须要保证两个条件:①像素无论怎么映射,一定要保证原来的大小关系不变,较亮的区域,依旧是较亮的,较暗依转载 2015-03-30 11:25:58 · 578 阅读 · 0 评论 -
关于深度学习的一些整理
深度学习入门:http://blog.csdn.net/zouxy09/article/category/1387932CNN:CNN常用模型:http://blog.csdn.net/abcjennifer/article/details/42493493 (ALEXNET、LENET、VGG、GOOGLENET)residual net:http://blog.csdn.n原创 2016-06-08 17:47:11 · 1158 阅读 · 0 评论