学习Opencv
文章平均质量分 78
longxiaoshi
这个作者很懒,什么都没留下…
展开
-
PCA原理
PCA是主成分分析,主要用于数据降维,对于一系列sample的feature组成的多维向量,多维向量里的某些元素本身没有区分性,比如某个元素在所有的sample中都为1,或者与1差距不大,那么这个元素本身就没有区分性,用它做特征来区分,贡献会非常小。所以我们的目的是找那些变化大的元素,即方差大的那些维,而去除掉那些变化不大的维,从而使feature留下的都是“精品”,而且计算量也变小了。 对转载 2012-03-28 19:34:15 · 6740 阅读 · 0 评论 -
(学习笔记三)——人脸识别
人脸识别要牵涉到一些数学计算和一些算法的理解,虽然这些算法和计算opencv已经帮我们完成,但我们还是要对其有一定的了解,才能进行人脸识别的实践,毕竟基础不牢,上层建筑也不稳。 要理解如何进行人脸识别,首先一定要理解主成分分析算法,即PCA,使用这种算法的原因是因为,一般图像数据量太大,而且其中的大部分数据点对我们进行人脸识别没有太大的帮助,因此为了减少数据量,采用了主成分分析法将数据进行压缩(原创 2012-03-30 14:34:52 · 12084 阅读 · 10 评论 -
(学习笔记一)——CvWaitKey函数机制解析
首先,CvWaitKey函数源码如下: CV_IMPL int cvWaitKey( int delay ) { int time0 = GetTickCount(); for(;;) { CvWindow* window; MSG message; int is_processed = 0; if(原创 2012-03-24 15:55:06 · 4732 阅读 · 1 评论 -
(学习笔记二)——基于opencv人脸检测原理及实现
最近搞了几天的人脸检测,终于把大体框架和原理搞清楚了,现在写出来供大家学习之用,如有不对之处,还请大家指正。也希望大家在学习opencv的过程中能将学习过程及重点记录下来,以博客的形式分析,毕竟opencv的教材还不太多,我们自己学习大部分要靠网上的资料。通过博客分享的形式能使大家快速进步,同时也算是对自己学习的一个记录和总结。只是一个倡议,大家自己决定,呵呵。 好了进入正题。 学习基于ope原创 2012-03-30 13:01:27 · 8044 阅读 · 4 评论