人体运动检测与跟踪
lgt81
路漫漫其修远兮,吾将上下而求索
展开
-
视频素材
CVRR-ATON计算机视觉和机器人实验室http://cvrr.ucsd.edu/aton/shadow/index.html http://media.xiph.org/video/derf/ http://i21www.ira.uka.de/image_sequences/ http://pascal.inrialpes.fr/data/human/原创 2009-08-07 16:16:00 · 665 阅读 · 0 评论 -
运动物体跟踪的camshift算法
转至:http://blog.csdn.net/lindazhou2005/archive/2007/03/19/1534234.aspxCamShift算法简介CamShift算法,即"Continuously Apative Mean-Shift"算法,是一种运动跟踪算法。它主要通过视频图像中运动物体的颜色信息来达到跟踪的目的。我把这个算法分解成三个部分,便于理解: Back Proj转载 2009-08-18 21:45:00 · 586 阅读 · 0 评论 -
有用的几个网址
1. http://www.cvg.rdg.ac.uk/VS/ 2. 基于Learning Patterns of Activity Using Real-time Tracking by C. Stauffer and W. E. Grimson这篇论文,耗时四年完成的监控项目,有demo和code。http://www.anc.ed.ac.uk/demos/tracke原创 2009-08-23 15:24:00 · 1069 阅读 · 0 评论 -
cvRandInit();
cvRandInit()初始化CvRandState資料結構,可以選定隨機分佈的種類,並給定它種子,有兩種情形cvRandInit(CvRandState資料結構,隨機上界,隨機下界,均勻分佈參數,64bits種子的數字)cvRandInit(CvRandState資料結構,平均數,標準差,常態分佈參數,64bits種子的數字)cvbRand()將一維陣列隨機化,可以設定隨機的長度cvbRand(转载 2009-08-23 21:40:00 · 1888 阅读 · 0 评论 -
Surendra算法
Surendra算法的原理是把每幅当前帧的像素点分为两类:前景点和背景点。当前帧中的背景点的像素值和背景图中的对应点加权平均,作为当前背景中像素值。前景点处则保持原来背景值不便。该算法的核心在于通过直方图统计和经验取值而区分当前帧中的前景点和背景点原创 2009-08-23 16:39:00 · 3343 阅读 · 2 评论 -
Hog特征提取
function p = hog(I,block,cell,angle,bin)% hog 计算一幅图像的HOG特征%IN:% I - 图像 大小 MxN (Color or Gray)% block - block大小% angle - 180 或者 360% bin- 直方图的方向个数% cell- cell大小%eg。hog(I,2,8,180,9)表示block为2x2cel翻译 2009-11-05 20:54:00 · 1901 阅读 · 2 评论 -
AdaBoost算法的训练过程
每个Haar特征对应看一个弱分类器,但并不是任伺一个Haar特征都能较好的描述人脸灰度分布的某一特点,如何从大量的Haar特征中挑选出最优的Haar特征并制作成分类器用于人脸检测,这是AdaBoost算法训练过程所要解决的关键问题。 Paul Viola和Michael Jones于2001年将Adaboost算法应用于人脸检测中,其基本思想是针对不同的训练集训练同一个分类器(弱分转载 2009-11-01 16:54:00 · 561 阅读 · 0 评论 -
cvCalcBackProject-直方图反向投影
CV_IMPL voidcvCalcArrBackProject( CvArr** img, CvArr* dst, const CvHistogram* hist )//输入为单通道的图像,输出为反向投影图形,hist为直方图数据结构{ CV_FUNCNAME( "cvCalcArrBackProject" ); __BEGIN__; uchar* ptr[CV_MA原创 2009-11-25 22:21:00 · 4615 阅读 · 0 评论