Json_Nie的专栏

最近需要熟悉一下haar特征，带着一个师妹熟悉一下从特征提取到训练的整个过程。第一次接触，熟悉玩haar特征和adaboost原理后。实验开始了试验中采用了MIT CACL人脸的数据库。实验中产生样本数据的命令如下：char order0[1024] = "opencv_createsamples.exe \-vec pos.vec \-info faces\\faces.tx

Python确实用起来要方便很多我觉得最多的好处就是库的加入要方便很多，不需要想VS那样设置很多东西。今天用Opencv2.2 写了一个人脸检测的程序：import osimport sys import cvimport cv2from cv import *import numpy as npimport numpydef detect(image):

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

直接给大家源码吧void cvShiftDFT(CvArr* src_arr,CvArr* dst_arr){ CvMat* tmp; CvMat q1stub,q2stub; CvMat q3stub,q4stub; CvMat d1stub,d2stub; CvMat d3stub,d4stub; CvMat* q1,*q2,*q3,*q4; CvMat* d1,*

#include #include #include #include #include #include #include #include #include #include "cvaux.h"#include #include #include #include using namespace std;using namespace cv;const s

OpenCV VS与普通OpenCV函数不同在于：普通cxcore、cv函数均是C函数，而VS是利用C++的接口、多态、继承等技术构建起来的体系，由一些类、结构、全局函数组成。所以要学习和使用VS，要有较强的C++基础。“勿在浮沙筑高台”，如果不懂接口、多态、继承等C++的基本技术，还是去恶补一下再回来。    VS中的很多类并没有直接提供给用户使用，多数只提供一个全局函数作为唯一的用户接

一个小的程序，在网上找了很久没有发现自己搞了一个大家看看第一个是很笨的办法：yuv三个分量分别写在3个矩阵下，然后合并之后转换为rgb分量的图片格式就可以了；代码如下：IplImage *image,*rgbimg,*yimg,*uimg,*vimg,*uuimg,*vvimg; rgbimg = cvCreateImage(cvSize(nWidth, nHeight)

这几天需要做一个小的demo，用到了MFC，其实本来想用.net，听说更方便，但谁让我对mfc熟悉呢，懒也没办法。下面是昨天遇到的一些问题：Opencv中IplImage与Mat的转换IplImage *image;Mat frame;frame = image;image = (IplImage)frame;CString与char的转换CString st

实验室项目需要编译的程序拷给别人，需要保证必须运行，也就是说这台机子上没有安装vs2008程序和其他的东西还有一个前提，这个程序用到了opencv的库函数刚开始一直没有成功查看了http://apps.hi.baidu.com/share/detail/23044920这个博客上的东西有可取的地方不过有些地方有问题其实主要是缺少库文件的原因一个最简单的解决方案，把C:\

因为是在运动情况下检测入侵物体以前静态情况下的背景建模没办法进行而我们拥有原有视频和入侵后的视频因此首先我们进行图像匹配（使用了shift特征）shift代码太多了，就不贴出来了。之后进行背景差从而检测出前景改变后的物体之后利用OPencv中团块检测的功能检测出前景物体原理很简单，就当练手了代码如下：//#include //#include #in

昨天编程序编的一个小问题需要在检测出来的object后，画一个框，然后在框上写个字demo主要是关于遗留物检测的写了个小程序用来写文本void cvText(IplImage* img,char* text,int x,int y) { CvFont font; double hscale = 1.0; do

David Lowe 的sift一直被大家拿来使用，自己编不出来，编出来估计也不如人家编的好，就拿来用了首先利用sift对目标物提取特征点，作为之后的判断依据demo的目的是再一段视频中检测到目标物体。我们利用了opencv去读取一段视频利用sift去提取每一帧的特征点，之后进行匹配起初想去除错检测点，但发现确实不太好处理，算法时间，错误点数量，如何达到最优都比较麻烦。最后

这几天跑了Opencv中的camshift算法，发现目标需要自己去选，够费劲的。突然想要，是hog进行人体检测，然后用shift去跟踪是不是效果会好些。camshift的跟踪还好，主要是hog的检测，opencv中hog检测的误检率还是很高的。程序我直接拿来了opencv中现成的代码，也就是个简单的demo。大家看看，感觉下效果就可以了如果需要更精确的效果，程序还需要很多优化，毕竟

今天跑了下Opencv中的camshiift例程。修改了例程代码，不用使用dos运行了，自己选了段视频，跑了一下，也许是视频序列的原因，效果不是很好。因为camshift算法需要自己用手标注跟踪的对象，所以稍微标注不好，跟踪的结果就不好。而且例程中跟踪的色彩信息，所以如果图像中的阴暗信息多了，效果更差。摘抄丕子：将meanshift算法扩展到连续图像序列，就是camshif

以前做算法实现一直用的说matlab，最近做目标跟踪的算法，开始使用Opencv，发现Opencv真的很强大，集合了很多算法，封装了很多函数，使用方法跟matlab很类似，但又比matlab的效率高。下面说我使用hog算法进行人体检测的代码，跟Opencv中的peopledetect.cpp类似，不过我修改了一些代码，可以检测连续的视频序列。代码如下：#include #include

今天跑了下Opencv的人脸识别，简化了一下代码，不用在Dos下就可以操作了，当然，用的model说Opencv里面自带的。haarcascade_frontalface_alt.xmlhaarcascade_frontalface_alt2.xml学习了下分类器使用，发现很简单load进去后使用detectMultiScale就可以检测了。但是好像和Opencv中的H

想使用CvSVM进行训练和检测自己写了个程序，训练的结果出来了，但检测达不到自己希望的程度我希望说可以检测处一张图片的那个位置有人体但是CvSVM似乎紧紧是返回1和0使用hog.detectMultiScale(img, found, 0, Size(8,8), Size(32,32), 1.05, 2)但这个函数需要一个检测算子，而不是XML文件需要一个转换的过程，但没有

opencv_haystack =cv2.imread('woman2.bmp')opencv_needle =cv2.imread('face.bmp')ngrey = cv2.cvtColor(opencv_needle, cv2.COLOR_BGR2GRAY)hgrey = cv2.cvtColor(opencv_haystack, cv2.COLOR_BGR2GRAY)# bu