OpenCV
文章平均质量分 82
MMG_sysu
这个作者很懒,什么都没留下…
展开
-
如何用 opencv 训练自己的分类器
OpenCV训练分类器一、简介目标检测方法最初由Paul Viola [Viola01]提出,并由Rainer Lienhart [Lienhart02]对这一方法进行了改善。该方法的基本步骤为: 首先,利用样本(大约几百幅样本图片)的 harr 特征进行分类器训练,得到一个级联的boosted分类器。 分类器中的"级联"是指最终的分类器是由几个简单分类器级联组转载 2014-12-10 02:07:58 · 519 阅读 · 0 评论 -
目标检测的图像特征提取之(二)LBP特征
目标检测的图像特征提取之(二)LBP特征zouxy09@qq.comhttp://blog.csdn.net/zouxy09 LBP(Local Binary Pattern,局部二值模式)是一种用来描述图像局部纹理特征的算子;它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen, 和 D. Harwood转载 2014-12-10 02:13:21 · 537 阅读 · 0 评论 -
三种强大的物体识别算法——SIFT/SURF、haar特征、广义hough变换的特性对比分析
识别算法概述: SIFT/SURF基于灰度图,一、首先建立图像金字塔,形成三维的图像空间,通过Hessian矩阵获取每一层的局部极大值,然后进行在极值点周围26个点进行NMS,从而得到粗略的特征点,再使用二次插值法得到精确特征点所在的层(尺度),即完成了尺度不变。二、在特征点选取一个与尺度相应的邻域,求出主方向,其中SIFT采用在一个正方形邻域内统计所有点的梯度方向,找到占80%以转载 2014-12-10 02:02:34 · 542 阅读 · 0 评论 -
目标检测的图像特征提取之(三)Haar特征
目标检测的图像特征提取之(三)Haar特征 1、Haar-like特征 Haar-like特征最早是由Papageorgiou等应用于人脸表示,Viola和Jones在此基础上,使用3种类型4种形式的特征。Haar特征分为三类:边缘特征、线性特征、中心特征和对角线特征,组合成特征模板。特征模板内有白色和黑色两种矩形,并定义该模板的特征值为白色矩形像素和减去黑色矩转载 2014-12-10 02:10:29 · 558 阅读 · 0 评论 -
目标检测的图像特征提取之(一)HOG特征
目标检测的图像特征提取之(一)HOG特征 1、HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。需要提醒转载 2014-12-10 02:14:09 · 597 阅读 · 0 评论 -
arm-linux下qt + opencv开发环境的搭建(Altera DE1 Soc)
说明:博主为嵌入式小白,搭建并测试这个环境耗费多日,现将过程写出,以帮助更多的人!博主用的板子是Altera DE1 Soc ,对于其他的ARM应该同样适用。百度云盘地址:http://pan.baidu.com/s/1dDAbeYd系统: ubuntu-14.04-desktop-i386ARM 系统: DE1_SoC_FB虚拟机工具:转载 2014-12-10 02:33:38 · 2065 阅读 · 1 评论 -
Opencv 完美配置攻略 2014 (Win8.1 + Opencv 2.4.8 + VS 2013)
http://my.phirobot.com/blog/2014-02-opencv_configuration_in_vs.html2012年4月给同学写了篇傻瓜式的 VS2010+Opencv-2.4.0的配置攻略 结果没有想到,点击量一路飙升,固定在了Google “Opencv 配置” 关键词搜索的榜首。现在看看,已经过时了,版本升级后看不到ttb了,还有很多不足的地方需要修正转载 2014-12-10 02:54:29 · 818 阅读 · 0 评论