皓月如我的专栏

如题，以示纪念。

《VS2013安装OpenCV4.1版本并搭建一个小程序》

【转载自】《OpenCV笔记（4）实现神经网络（ANN）》作者的原文参考了：《OpenCV中使用神经网络 CvANN_MLP》实际上的预测结果是并非一个确定值，所以即使用训练集去做测试，也可能出现不完全匹配的情况。（后续需进一步实验证实）备份代码在此：#include <stdio.h>#include "opencv2/core/core.hpp"#include "op...

问题提出：给定背景帧，要求提取稳定前景。相应的例子场景为：在检测ATM张贴物的同时排除取款人行为的干扰。方法一：连续提取二值化的N帧前景（当前帧-给定背景帧），对这N帧做“与”运算以排除短时间的干扰。方法二：以较小的学习速率动态更新背景，然后用新的背景减去初始的给定背景。即可得到较稳定的值。

对于遗留物检测，需要勾勒出其轮廓。因为在我需要的场景中，背景通常是比较稳定的，只包含一些较小的扰动和一块内容会随时间变化的屏幕。由于是遗留物检测，物体会静止的放置较长时间，所以不希望实时更新背景以免一段时间以后将待检测物体变成背景。为了消除扰动，仍采用高斯模型分离前景和背景。只不过每一帧到来时，关闭背景更新系数（置0），而当右键点击视频时，全开背景更新系数（置1）。连续取N帧前景的二值

丢失信号的问题，可能出现的场景是：数据线被剪断；插头接触不良等。openCV在这些情况下会保持前一帧的图像不变。而在信号正常的时候，即使场景没有发生任何变化，但任然会有扰动，所以每一帧不是一成不变的。故思路为检测当前帧和前一帧的差异，若严格为0，且持续了一些帧数（或一段时间）则可以判断信号丢失。这种思路对于处在几乎完全没有光线情况下的摄像机效果不是很好，不过可以通过减小差异阈值的方法来

转自：http://www.opencv.org.cn/forum/viewtopic.php?f=1&t=8279   5楼回复————————————————opencv2.0中的数据类型cv::Mat与OPENCV1.0中的iplimage类型如何进行互相转换我已经试过，CV::Mat与cvMat并不是同一数据类型————————————————不小心看到，幫

先取一帧已对焦图像做背景，对其进行边缘检测。二值化后计算白点在全图中所占比例，即边缘在全图中的比例，记为P1。调节摄像机焦距后图像变模糊，再对实时图像进行边缘检测，同上面一样计算边缘的比例，记为P2。设定阈值p，当p>P2/P1时，认定失焦。注意在两次进行边缘检测时参数要相同，且lowvalue和highvalue尽量拉开一些距离，否则会将所有扰动全部当成边缘检出。毕竟失焦造成的模糊不

+------------------------------------------------------------------------------------------+|   转自：http://blog.csdn.net/yang_xian521/article/details/6968012    ||   并在转载完成后作一些修改。

运行环境搭建：参考《VS2013安装OpenCV4.1版本并搭建一个小程序》基于OpenCV4.1.0中neural_network.cpp的例子代码。参考了《OpenCV3【神经网络】ANN_MLP》中的部分代码和注释内容。BP神经网络原理可参考《置顶 | 2019书单》中机器学习入门部分：神经网络算法：（以后向传播神经网络为例：Back Propagation）分为一个输入层（神...