opencv随记

因特尔在1999年发起，2000年贡献出来，网址：opencv.org

现在维护的组织：willow garage，并开发了ROS机器人操作系统、beam远程协助机器人

除了opencv以外，还有一些图像开源软件处理系统：

OpenMV（基于stm32f4）、BoofCV9（主要用Java写的）、SimpleCV（视觉框架，为用户提供一个跟好的编程接口）、SOD（主要用在嵌入式，代码是开源的，训练好的模型是收费的）、Dlib、Halcon等。

dlib是一种现代化的C++工具箱，其中包含由于C++中创建复杂软件以及解决实际问题的机器学习算法和工具。引入ResNet残差神经网络。

计算N维数据关系

均值、方差、标准差、协方差等

协方差：

针对一维样本集合时，求出的协方差其实就是方差，即方差是协方差的一种特殊情况，意义和方差一样，都是反应集合中个元素散度的。

针对二维样本集合时，求出的协方差反映的就是两维度之间的相关性，正相关性、负相关性，或无关。

针对三维样本集合时，求出的是各个维度总体的相关性，针对各维度之间的关系，所以二位以上计算协方差，用的就是协方差矩阵。

PCA是一种常用的数据分析方法。常用于高维数据的降为处理。

特点：主成分不变、细微损失、高维数据到低维数据

基本流程：

样本数据-》减去均值-》计算协方差矩阵-》计算特征值与特征向量-》根据特征值排序保留前K个主成分特征向量-》形成新的数据样本-》结束

人脸识别流程：

1. 图像采集，静态，视频文件、摄像头、流媒体

eg：imread()采集图像

2. 图像预处理，简化图像、缩放、灰度化、二值化、滤波

eg：equalizeHlist()二值化

级联分类器：将单个分类器串联

3. 特征提取，HARR，HOG，LBP......

4. 匹配识别，分类对比

人脸识别算法：

EigenFace，基于PCA实现的

FisherFace：基于LDA实现，

这两个相同点，都利用特征值排序找打主成分的过程，不同的事PCA采用协方差矩阵特征值，而LDA更为复杂的矩阵的特征值。

LBPH，二值特征描述，效率更高，光照不敏感