computer vision
淡淡的生活
计算机视觉菜鸟
展开
-
金字塔Lucas-Kanade稀疏光流
光流分为稀疏光流和稠密光流,稠密光流的每个像素与速度或者可以说是与位移相关,使用稠密光流得以跟踪运动的方法有Horn-Shrunk方法,还有块匹配方法,但是现在已经很少使用到了,这里不做介绍,稠密光流需要使用某种插值方法在比较容易跟踪的像素之间进行插值以解决那些运动不明确的像素,因此可想而知,计算量是相当大的。而对于稀疏光流来说,在他计算时需要在被跟踪之前指定一组点(角点),因此在使用LK方法转载 2013-04-22 11:20:02 · 3488 阅读 · 0 评论 -
Deep Learning学习(开篇)
Deep Learning学习(开篇)2013-02-19 22:02 by Jack King, 5448 阅读, 3 评论, 收藏, 编辑Deep Learning(深度学习)最近火爆的不行,不论是以NIPS,ICML,CVPR这些top conference为代表的学术界,还是以Google,Microsoft,IBM为代表的工业界,都加入到了轰轰烈烈的深度学习行列中。在可以转载 2013-08-21 17:40:15 · 1247 阅读 · 0 评论 -
计算机视觉的一些测试数据集和源码站点
转自:http://blog.csdn.net/zhubenfulovepoem/article/details/7191794 以下是computer vision:algorithm and application计算机视觉算法与应用这本书中附录里的关于计算机视觉的一些测试数据集和源码站点,我整理了下,加了点中文注解。ComputerVision:Algor转载 2013-08-22 17:11:00 · 1915 阅读 · 0 评论 -
计算机视觉、机器学习相关领域论文和源代码大集合
计算机视觉、机器学习相关领域论文和源代码大集合--持续更新……zouxy09@qq.comhttp://blog.csdn.net/zouxy09 注:下面有project网站的大部分都有paper和相应的code。Code一般是C/C++或者Matlab代码。最近一次更新:2013-3-17一、特征提取Feature Extractio转载 2013-08-22 17:13:43 · 1618 阅读 · 0 评论 -
2013 CVPR 录取文章
118Robust Multi-Resolution Pedestrian Detection in Traffic ScenesJunjie Yan, Xucong Zhang, Zhen Lei, Dong Yi, Shengcai Liao, Stan Li119Megastereo: Constructing High-Resolution Stereo Panor转载 2013-08-26 13:41:31 · 10409 阅读 · 0 评论 -
行人检测简述
申明,本文是笔者在阅读了几篇行人检测综述性文章之后,翻译、总结、归纳所得。方便自己了解行人检测的发展趋势,同时,也给打算从事行人检测研究的朋友们提供一些思路吧。行人检测的历史:早期以静态图像处理中的分割、边缘提取、运动检测等方法为主。例如:(1)以Gavrila为代表的全局模板方法:基于轮廓的分层匹配算法,构造了将近2500个轮廓模板对行人进行匹配, 从而识别出行人。为了解转载 2013-08-29 17:18:50 · 1909 阅读 · 1 评论 -
HOG行人检测
HOG特征描述首先我们来了解一下HOG特征描述子。HOG特征描述子(HOG descriptors)是由Navneet Dalal和 Bill Triggs在2005年的一篇介绍行人检测方法的论文提到的特征描述子(论文以及演讲可参见参考资料1、2)。其主要思想是计算局部图像梯度的方向信息的统计值,来作为该图像的局部特征值。如上图,归一化图像后,由于颜色数转载 2013-08-29 17:22:32 · 2176 阅读 · 0 评论 -
行人检测(Pedestrian Detection)资源2012
一、论文CVPR 2012 与行人检测相关的论文[1] Contextual Boost for Pedestrian Detection YuanyuanDing, Jing Xiao[2] Understanding Collective CrowdBehaviors:Learning Mixture Model of Dynamic Pedestrian-Agent转载 2013-08-29 17:21:15 · 1539 阅读 · 0 评论 -
行人检测(总结)
看了将近半年的行人检测的资料,最近开题了,我也趁着这个机会把脑袋里的东西总结一下:先说下常用的数据库:最早的是MIT,这个库比较简单,行人图片背景简单,只有正面和背面。在2005年以前流行,2005年后随着HOG的提出,MIT库上的准确率已经达到100%,所以INRIA成为标准数据库中的大家通用的数据库。这个库背景复杂,人的姿势也比较多,还有些光照等环境的影响。另外一个关于车辆内行人的图像转载 2013-08-29 17:23:25 · 3698 阅读 · 0 评论 -
目标检测的图像特征提取之(一)HOG特征
目标检测的图像特征提取之(一)HOG特征zouxy09@qq.com1、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,尤其在行人检测中转载 2013-08-29 17:50:46 · 1348 阅读 · 0 评论 -
目标检测的图像特征提取之(三)Haar特征
目标检测的图像特征提取之(三)Haar特征zouxy09@qq.com1、Haar-like特征 Haar-like特征最早是由Papageorgiou等应用于人脸表示,Viola和Jones在此基础上,使用3种类型4种形式的特征。Haar特征分为三类:边缘特征、线性特征、中心特征和对角线特征,组合成特征模板。特征模板内有白色和黑色两种矩形,并定义该模板转载 2013-08-29 17:52:27 · 1282 阅读 · 0 评论 -
行人检测(Pedestrian Detection)资源2013
一、论文CVPR2013年行人检测相关的文章[1] Robust Multi-Resolution Pedestrian Detection in Traffic Scenes Junjie Yan, Xucong Zhang, Zhen Lei, Dong Yi, Shengcai Liao, Stan Li[2] Optimized Pedestrian D转载 2013-08-29 17:20:18 · 2076 阅读 · 0 评论 -
目标检测的图像特征提取之(二)LBP特征
目标检测的图像特征提取之(二)LBP特征zouxy09@qq.com LBP(Local Binary Pattern,局部二值模式)是一种用来描述图像局部纹理特征的算子;它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen, 和 D. Harwood 在1994年提出,用于纹理特征提取。而且,提取的特征是图像的局部的转载 2013-08-29 17:51:31 · 1384 阅读 · 0 评论 -
研究生必读→如何获得全文文献
如何获取文献〖说明〗 搞研究的人离不开文献,可是很多院校未能购卖国内外商业数据库,如PUBMED、ElseVier等,因而检索国外全文文献很复杂。就是一些中文的要是没有给银子,也会难得到原文,方便的得到全文往往成为少数学校的专利。从网络上积累了一些资料,跟据自己平时的积累进行了一些修改,写了这个文章,结果发表在南大BBS上很是得到欢迎,所以决心写的好一些,就进行了几次修改,转载 2013-10-29 16:42:27 · 2159 阅读 · 2 评论 -
常见的目标检测中的背景建模方法漫谈
转自:http://blog.sina.com.cn/s/blog_7fa02cb101014so5.html 最近一直在做前景检测方面的研究,刚开始主要是做一些工程性的应用,为了解决工程方面的问题,下了不少功夫,也看了不少最近国内外的文章。一直想做个总结,拖着拖着,终究却写成这篇极不成功的总结。 背景建模或前景检测的算法主要有: 1. Singl转载 2013-10-29 17:03:07 · 1670 阅读 · 0 评论 -
图像分割_区域生长
区域增长方法是根据同一物体区域内象素的相似性质来聚集象素点的方法,从初始区域(如小邻域或甚至于每个象素)开始,将相邻的具有同样性质的象素或其它区域归并到目前的区域中从而逐步增长区域,直至没有可以归并的点或其它小区域为止。区域内象素的相似性度量可以包括平均灰度值、纹理、颜色等信息。 区域增长方法是一种比较普遍的方法,在没有先验知识可以利用时,可以取得最佳的性能,可以用来分割比较复杂的图象转载 2013-06-26 16:09:41 · 2240 阅读 · 0 评论 -
Hough Transform 霍夫变换检测直线
从理论到代码,再从代码到理论(1)理论之通俗理解:1.在图像中检测直线的问题,其实质是找到构成直线的所有的像素点。那么问题就是从找到直线,变成找到符合y=mx+c的所有(x,y)的点的问题。2.进行坐标系变化y=mx+c,变成c=-xm+b。直线上的点(x1,y1),在转换坐标系后为一条直线。这个原理应该是高中的。 3.直线上每一个点在MC坐标系中都表现为直线,而且,这些直线转载 2013-06-26 17:33:36 · 2036 阅读 · 0 评论 -
cvCalcOpticalFlowPyrLK的使用
计算一个稀疏特征集的光流,使用金字塔中的迭代 Lucas-Kanade 方法void cvCalcOpticalFlowPyrLK( const CvArr* prev, const CvArr* curr, CvArr* prev_pyr, CvArr* curr_pyr, const CvPoint2D32f* prev_featu转载 2013-04-22 11:53:20 · 7301 阅读 · 0 评论 -
meanShift跟踪算法概述
转自:http://blog.csdn.net/carson2005/article/details/7337432meanShift,均值漂移,在聚类、图像平滑、分割、跟踪等方面有着广泛的应用。meanShift这个概念最早是由Fukunage在1975年提出的,其最初的含义正如其名:偏移的均值向量;但随着理论的发展,meanShift的含义已经发生了很多变化。如今,我们说的meanSh转载 2013-04-23 10:17:19 · 8486 阅读 · 0 评论 -
camshift跟踪算法介绍
转载自:http://blog.csdn.net/carson2005/article/details/7439125CamShift算法的全称是"Continuously Adaptive Mean-SHIFT",即:连续自适应的MeanShift算法。其基本思想是对视频序列的所有图像帧都作MeanShift运算,并将上一帧的结果(即搜索窗口的中心位置和窗口大小)作为下一帧MeanShi转载 2013-04-23 10:23:09 · 3004 阅读 · 0 评论 -
基于例子滤波的物体跟踪
一直都觉得粒子滤波是个挺牛的东西,每次试图看文献都被复杂的数学符号搞得看不下去。一个偶然的机会发现了Rob Hess(http://web.engr.oregonstate.edu/~hess/)实现的这个粒子滤波。从代码入手,一下子就明白了粒子滤波的原理。根据维基百科上对粒子滤波的介绍(http://en.wikipedia.org/wiki/Particle_filter),粒子滤波其实有很多转载 2013-04-23 10:01:41 · 1259 阅读 · 1 评论 -
opencv中HOGDescriptor类说明
来自:http://blog.csdn.net/raocong2010/article/details/6239431最近要做图像特征提取,可能要用下HOG特征,所以研究了下OpenCV的HOG描述子。OpenCV中的HOG特征提取功能使用了HOGDescriptor这个类来进行封装,其中也有现成的行人检测的接口。然而,无论是OpenCV官方说明文档还是各个中英文网站目前都没有这个类的使用转载 2013-04-15 16:49:39 · 2693 阅读 · 0 评论 -
opencv中的surf和sift
作者:tornadomeet 出处:http://www.cnblogs.com/tornadomeet 欢迎转载或分享,但请务必声明文章出处。因为最近准备看特征点检查方面的源码,而其中最著名的算法就是sift和surf。因此这次主要是学会怎样使用opencv中的sift和surf函数来检测特征点和描述特征点,以及怎样使用其算法来进行特征点匹配。庆幸的是,sift算法虽然是专利,但转载 2013-04-15 16:38:10 · 20524 阅读 · 10 评论 -
surf算法
作者:tornadomeet 出处:http://www.cnblogs.com/tornadomeet 欢迎转载或分享,但请务必声明文章出处。在上篇博客特征点检测学习_1(sift算法) 中简单介绍了经典的sift算法,sift算法比较稳定,检测到的特征点也比较多,其最大的确定是计算复杂度较高。后面有不少学者对其进行了改进,其中比较出名的就是本文要介绍的surf算法,surf的中转载 2013-04-15 16:35:30 · 2352 阅读 · 2 评论 -
sift算法
作者:tornadomeet 出处:http://www.cnblogs.com/tornadomeet 欢迎转载或分享,但请务必声明文章出处。sift算法在cv领域的重要性不言而喻,该作者的文章引用率在cv界是number1.本篇博客只是本人把sift算法知识点整理了下,以免忘记。本文比较早的一篇博文opencv源码解析之(3):特征点检查前言1 中有使用opencv自带的sif转载 2013-04-15 16:33:55 · 2209 阅读 · 0 评论 -
hog源码分析
作者:tornadomeet 出处:http://www.cnblogs.com/tornadomeet 欢迎转载或分享,但请务必声明文章出处。一、网上一些参考资料 在博客目标检测学习_1(用opencv自带hog实现行人检测) 中已经使用了opencv自带的函数detectMultiScale()实现了对行人的检测,当然了,该算法采用的是hog算法,那么h转载 2013-04-15 16:27:37 · 1902 阅读 · 0 评论 -
光流Optical Flow介绍与OpenCV实现
光流Optical Flow介绍与OpenCV实现转自:http://blog.csdn.net/zouxy09 光流(optic flow)是什么呢?名字很专业,感觉很陌生,但本质上,我们是最熟悉不过的了。因为这种视觉现象我们每天都在经历。从本质上说,光流就是你在这个运动着的世界里感觉到的明显的视觉运动(呵呵,相对论,没有绝对的静止,也没有绝对的运动)。例如转载 2013-05-17 17:28:19 · 1902 阅读 · 0 评论 -
光流法的简单介绍
光流的概念是Gibson在1950年首先提出来的。它是空间运动物体在观察成像平面上的像素运动的瞬时速度,是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系,从而计算出相邻帧之间物体的运动信息的一种方法。一般而言,光流是由于场景中前景目标本身的移动、相机的运动,或者两者的共同运动所产生的。其计算方法可以分为三类:(1)基于区域或者基于特征的匹配方法;转载 2013-05-17 16:25:44 · 2352 阅读 · 0 评论 -
霍夫变换(hough transform)原理
转自:http://blog.csdn.net/cy513/archive/2009/06/15/4269340.aspx 计算机视觉中经常需要识别或者定位某些几何图形,比如直线、圆、椭圆,还有其他一些图形。检测直线的霍夫变换提供了在图像中寻找直线的一种算法,是最简单的一种情形,后来发展到检测圆、椭圆、还有一般图形的霍夫变换,其核心思想是把图像中属于某种图形的点集(二维)映射到一个点(可以转载 2013-06-24 15:52:26 · 5820 阅读 · 0 评论 -
霍夫变换的圆检测原理
Hough 变换的原理Hough 变换的原理就是利用图像全局特征将边缘像素连接起来组成区域封闭边界,它将图像空间转换到参数空间,在参数空间对点进行描述,达到检测图像边缘的目的。该方法把所有可能落在边缘上的点进行统计计算,根据对数据的统计结果确定属于边缘的程度。Hough 变换的实质就是对图像进行坐标变换,把平面坐标变换为参数坐标,使变换的结果更易识别和检测。对经典的Hough 变换转载 2013-06-24 15:55:19 · 13164 阅读 · 0 评论 -
图像分割_区域分裂合并
转自:http://blog.csdn.net/cay22/article/details/5666109区域分裂合并算法的基本思想是先确定一个分裂合并的准则,即区域特征一致性的测度,当图像中某个区域的特征不一致时就将该区域分裂成4 个相等的子区域,当相邻的子区域满足一致性特征时则将它们合成一个大区域,直至所有区域不再满足分裂合并的条件为止. 当分裂到不能再分的情况时,分裂结束,然后它转载 2013-06-26 16:08:18 · 10984 阅读 · 0 评论 -
各种音视频编解码标准
编解码学习笔记(一):基本概念媒体业务是网络的主要业务之间。尤其移动互联网业务的兴起,在运营商和应用开发商中,媒体业务份量极重,其中媒体的编解码服务涉及需求分析、应用开发、释放license收费等等。最近因为项目的关系,需要理清媒体的codec,比较搞的是,在豆丁网上看运营商的规范 标准,同一运营商同样的业务在不同文档中不同的要求,而且有些要求就我看来应当是历史的延续,也就是现在已经很少采转载 2013-11-21 12:30:46 · 9976 阅读 · 0 评论