- 博客(9)
- 资源 (2)
- 收藏
- 关注
RSS订阅
原创 opencv features2d对象识别
对象识别代码： const Ptr<AKAZE> &detetor = AKAZE::create(); vector<KeyPoint> oneKeyPoint; vector<KeyPoint> twoKeyPoint; Mat oneDes, twoDes; //角点查找和特征向量计算描述 detetor->detectAndCompute(oneMat,
2020-08-11 11:06:49
937
原创 通过图片哈希值计算汉明距离来匹配人脸
opencv通过图片哈希值计算汉明距离来匹配人脸string xmlPath = "/data/data/org.opencv.samples.tutorial2/cache/lbpcascade_frontalface.xml";//识别并截取人脸Mat detectAndDisplay(Mat image) { CascadeClassifier ccf; ccf.load(xmlPath); vector<Rect> faces; Mat gray;
2020-08-13 15:39:33
1029
原创 opencv中使用Caffe框架
Caffe，全称Convolutional Architecture for Fast Feature Embedding，是一个兼具表达性、速度和思维模块化的深度学习框架。由伯克利人工智能研究小组和伯克利视觉和学习中心开发。虽然其内核是用C++编写的，但Caffe有Python和Matlab 相关接口。Caffe支持多种类型的深度学习架构，面向图像分类和图像分割，还支持CNN、RCNN、LSTM和全连接神经网络设计。Caffe支持基于GPU和CPU的加速计算内核库，如NVIDIA cuDNN和Intel
2020-08-13 10:52:50
788
原创 opencv PCA主成分分析的使用
简介主成分分析（PCA）是提取数据集最重要特征的统计程序。PCA（Principal Components Analysis，中文名叫主成分分析，是数据降维很常用的算法。按照书上的说法是：寻找最小均方意义下，最能代表原始数据的投影方法。PCA的一个经典应用就是人脸识别，感兴趣的可以在网上搜eigenface。PCA的主要思想是寻找到数据的主轴方向，由主轴构成一个新的坐标系，这里的维数可以比原维数低，然后数据由原坐标系向新的坐标系投影，这个投影的过程就可以是降维的过程。使用//绘制向量轴void
2020-08-12 14:20:46
1211
原创 SVM 简介和使用
简介Support Vector Machines（SVM）是由分离超平面正式定义的鉴别分类器。如何计算最佳超平面？我们来介绍用于定义超平面的符号：SVM简介其中β被称为权重向量，而β0称为偏差。也可以看看这和超平面更深入的描述，你可以在4.5节（发现分隔条件超平面书的）：统计学习的要素通过 T. Hastie, R. Tibshirani和JH Friedman（[172]）。通过缩放β和可以以无限数量的不同方式表示最优超平面β0。作为惯例，在超平面的所有可能的表示中，选择的是SVM其
2020-08-12 10:32:02
1042
原创 k-Nearest 最近邻分类算法
概述kNN算法又称为k最近邻(k-nearest neighbor classification)分类算法。所谓的k最近邻，就是指最接近的k个邻居（数据），即每个样本都可以由它的K个邻居来表达。kNN算法的核心思想是，在一个含未知样本的空间，可以根据离这个样本最邻近的k个样本的数据类型来确定样本的数据类型。该算法涉及3个主要因素：训练集、距离与相似的衡量、k的大小；主要考虑因素：距离与相似度。opencv中使用 Mat img = oneMat; Mat gray;
2020-08-12 09:14:40
1087
原创 opencv_createsamples和opencv_traincascade命令
opencv_createsamples和opencv_traincascade命令opencv_traincascade -data dstBuild -vec new_vec.vec -bg sample_neg.dat -numStages 20 -minHitRate 0.999 -maxFalseAlarmRate 0.5 -numPos 100 -numNeg 700 -w 20 -h 20 -mode ALL -precalcValBufSize 1024 -precalcIdx
2020-08-10 17:47:22
551
原创 goodFeaturesToTrack和cornerSubPix使用
goodFeaturesToTrack和cornerSubPix使用？函数说明void cv::goodFeaturesToTrack(cv::InputArray image, // 输入图像（CV_8UC1 CV_32FC1）cv::OutputArray corners, // 输出角点vectorint maxCorners, // 最大角点数目double qualityLevel, // 质量水平系数（小于1.0的正数，一般在0.01-0.1之间）double minDistanc
2020-08-04 17:36:07
369
原创 cornerEigenValsAndVecs和cornerMinEigenVal角点检测
概念cornerEigenValsAndVecs和cornerMinEigenVal用于焦点检测cornerMinEigenVal函数作用计算梯度矩阵的最小特征值，用于角点检测void cornerMinEigenVal( InputArray src, OutputArray dst,int blockSize, int ksize = 3,int borderType = BORDER_DEFAULT );CornerEigenValsAndVecs作用计算图像块的特征值和特征向量，用于
2020-08-04 15:55:50
647
exoplayer 编译出来的ffmpeg扩展库aar
2023-07-24
FFmpegVideoPlayer.rar
2020-09-11
android 插件式无刷新换肤和字体大小切换 兼容android 8.1
2018-07-19
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人