数据挖掘
文章平均质量分 53
周子博
奋发图强,努力向上,为梦想,为挚亲 挚爱 挚友。
展开
-
数据挖掘 聚类
将现实世界的问题进行数据建模 mathlab事例 例如百度搜索引擎,某地区频繁搜索某种症状,由于查询关键字很集中,查到当地饮用水收到污染第一 数据来源 ,搜索引擎的查询聚类 (要强调版权,数据的来源) 得到一些关键词来源,追踪这个词什么是聚类分析 类似于:一个同学是一个数据,这一个寝室的同学可以是一个簇,不同的寝室是不同的簇,(错误的,这个是划分,聚类的甄别没有准确的定则) ...原创 2018-03-30 15:41:14 · 208 阅读 · 0 评论 -
基于面部视频的远程心率监测系统 DAY 13
设置interest(人脸区域)mat 在调用IMshow时会出现R6010 -abort() has been called错误我这个小白不知道如何解决:在网上查找 有如下原因:1.非法指针访问和内存泄漏2.设置的指针范围跟你运行的不对3.指针访问内存越界出现问题。4.因为不支持中文。5.内存不够分配6.多线程访问资源出的问题。7.检查exe和dll是否混用的不同版本的crt...原创 2019-03-27 13:19:25 · 804 阅读 · 0 评论 -
基于面部视频的实时网络监测系统 day 12
参考:第一步:输入人脸视频用于心率监测,光线引起的皮肤的显示非常微弱,分辨率不可太低,否则影响监测结果第二步:人脸检测第三步:对人脸识别矩阵的重新切割,获取视频序列中的每一帧感兴趣区域第四步:对窗口内的视频帧数进行计数,当满足窗口条件时,对视频段的感兴趣区域进行第五步,不满足窗口条件,返回继续填装视频帧第五步:对满足视频段的帧序列进行欧拉放大处理,使得放大后的微弱的心率信号能够被后续步骤...原创 2019-03-26 11:52:50 · 574 阅读 · 0 评论 -
基于面部视频的远程实时心率监测系统 day 13
调试欧拉放大算法颜色转换YIQ后 变成粉色,转换回来后都变成白的了。继续调试,看看如何解决。原创 2019-03-29 17:33:54 · 725 阅读 · 0 评论 -
基于面部视频的实时心率识别系统 DAY11
用C++ 实现欧拉放大将RGB转换到YIQYIQ具有像素处理优势完成,图像都是用的三通道浮点型,传参出现些许问题在不停调试(效果不佳问题可能出现在这里)利用vector建立,mat容器,存储高斯金子塔(对于颜色放大 高斯金子塔根据优势,拉普拉斯金字塔适于动作放大)得到了不同空间频率的基带后(高斯金字塔分解后),接下来对每个基带都进行时域上的带通滤波,目的是提取我们感兴趣的那部分变化信号。...原创 2019-03-25 15:08:03 · 2061 阅读 · 0 评论 -
基于面部视频的实时心率监测系统 day 9
之前的RGB转YIQ函数,在运行时报错尝试新的算法能否实现void rgb2ntsc(const Mat_<Vec3f>& src, Mat_<Vec3f>& dst){ Mat ret = src.clone(); Mat T = (Mat_<float>(3,3) <&am原创 2019-03-18 13:55:41 · 580 阅读 · 0 评论 -
基于面部视频的实时心率监测系统 day eight
今天实现对面部视频的欧拉放大将感兴趣区域进行欧放大 ,欧拉放大的几个步骤,参考CSDN上guifeng93 对欧拉放大的实现步骤1,RGB转换为 YIQ 。YIQ 是 NTSC 电视机系统所采用的颜色空间,Y 是提供黑白电视及彩色电视的亮度信号,I 代表 In-phase,色彩从橙色到青色,Q 代表 Quadrature-phase,色彩从紫色到黄绿色。https://blog.csdn....原创 2019-03-16 11:15:53 · 1176 阅读 · 0 评论 -
基于面部视频的心率监测系统 day 10
欧拉放大的5个步骤1.转换为YIQ2.空间滤波。将视频序列进行金字塔多分辨率分解;3.时域滤波。对每个尺度的图像进行时域带通滤波,得到感兴趣的若干频带;4.放大滤波结果。对每个频带的信号用泰勒级数来差分逼近,线性放大逼近的结果;5.合成图像。合成经过放大后的图像。已经可以把面部的视频截取出来,作为感兴趣区域实现了对截取帧的RGB转YIQ接下来实现对感兴趣区域的空间滤波...原创 2019-03-20 08:27:32 · 967 阅读 · 0 评论 -
基于面部视频的实时心率监测系统 day seven
现在已经实现了面部识别和感兴趣部分提取进入新的Mat 中,我的后续实现思路-》 对感兴趣区域 颜色欧拉放大-》通过颜色放大后的感兴趣区域,进行心率分析两种处理思想 ,截取定长时间的图片帧,欧拉放大后提取心率第二种处理,实时欧拉放大,对加强后进行颜色变化提取心率,根据时间增长而提高心率监测精度问题:心率是实时变化的,我看的论文是截取30秒,欧拉放大,心率提取创建容器,十秒内的心率数据 ...原创 2019-03-15 12:47:17 · 1429 阅读 · 0 评论 -
Day six 基于面部视频的远程心跳监测系统
时隔13天回来重启,黄山婺源玩了一星期,还不错,回来碰上了个严格的老师,差点学位证没了,我的天,还好有贵人相助,丁老师和郑老师帮忙解决了,非常感谢两位老师!刚刚思考了一下,想用截取的办法显然不好,截取视频帧,进行统一化,合并后可能在几个帧的连接中,出现较大的像素位移,显然不利于欧拉放大,对于微小变化的放大,所以还是使用原来的方案,利用感兴趣区域,指直接对感兴趣区域进行欧拉放大...原创 2019-03-14 19:50:41 · 707 阅读 · 0 评论 -
基于面部视频的实时心率检监测系统 day three
CSDN上有很完整的资料,利用mfc框架构建人脸识别程序今天的任务,安装OpenCV库按照CSDN指导搭建一个视频人脸识别系统原创 2019-02-26 10:25:06 · 3162 阅读 · 0 评论 -
基于面部视频的实时心率监测系统 day five
面部识别算法已经解决,只需要调用OpenCV的加载起即可进行下一步,对人脸选中区域进行选中。网上查找了很多,并没有找到合适的代码,看到很多车牌识别,估计也会运用相应的技术,看看是否可以借鉴。...原创 2019-03-01 14:10:41 · 1379 阅读 · 1 评论 -
基于面部视频的远程心率实时监测系统 DAY TOW 2月25日
根据上海师范大学同学的硕士论文,采用和其相同办法建立视频识别心率系统用C++OpenCV,实现人脸识别,欧拉放大,体现人脸颜色变化,前期工作,(本周工作)1.学习VS2013,搭建window软件框架,2. OpenCV识别视频中人脸...原创 2019-02-25 14:33:39 · 1326 阅读 · 0 评论 -
基于面部视频的远程心电信号实时监测系统 DAY ONE
很难想象只是通过普通的面部视频可以监测到人的心率变化。麻省理工学院的科学家公布了最新视频处理技术,这种技术捕捉人类难以察觉的微小变化,并进行放大处理。举例来说利用这项技术人们可以直接在视频中观察出脉搏,婴儿呼吸等,令人惊叹自然我所要做的毕业设计,核心就要基于此技术,感性认识:介绍此项技术的视频中,可以看到,人脸的颜色会随心率变化而变红,通过对颜色的识别来识别心跳变化?所以在构建系统的第一项...原创 2019-02-24 13:10:22 · 1280 阅读 · 1 评论 -
基于面部视频的实时心率检测系统 day four
CSDN上扒了7 8个代码,找到几个好使的,也把人脸检测这部分内容完成,还是很简单的,都是OpenCV自带的库,调用即可。选用的这个算法,是将视频分解为一帧帧,对每一帧进行人脸检测,效率较低,明天考虑学习优化一下。完成第三部内容,将视屏中人脸区域返回一个坐标值。加油!!...原创 2019-02-27 22:09:34 · 3335 阅读 · 3 评论 -
数据挖掘 凝聚层次聚类
开始每个点各成一簇,然后重复的合并两个最近的簇,直到指定的簇个数。所谓凝聚的,指的是该算法初始时,将每个点作为一个簇,每一步合并两个最接近的簇。另外即使到最后,对于噪音点或是离群点也往往还是各占一簇的,除非过度合并。对于这里的“最接近”,有下面三种定义。我在实现是使用了MIN,该方法在合并时,只要依次取当前最近的点对,如果这个点对当前不在一个簇中,将所在的两个簇合并就行: (1)单链...原创 2018-04-03 12:07:38 · 1351 阅读 · 0 评论 -
数据挖掘 聚类算法
k均值聚类算法 一、定义:K-means算法是硬聚类算法,以欧式距离作为相似度测度,它是求对应某一初始聚类中心向量V最优分类,使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。k个初始类聚类中心点的选取对聚类结果具有较大的影响,因为在该算法第一步中是随机的选取任意k个对象作为初始聚类的中心,初始地代表一个簇。该算法在每次迭代中对数据集中剩余的每个对象,根据其与各个簇中心的...原创 2018-04-03 11:21:52 · 873 阅读 · 0 评论 -
基于人脸视频的实时心率监测系统 DAY 15
欧拉放大已经实现在网上查找了主流的心率特征提取方式1.对脉搏跳动视频帧的像素点亮度值在时域上进行亮度方差统计,同时在Yc吒b颜色空间中分割出皮肤区域;其次,根据亮度方差统计和皮肤分割结果,结合图像形态学处理方法提取视频中桡动脉跳动区域;最后,对所提取桡动脉部位时域上亮度信号采用傅里叶变换进行时频分析,实现心率非接触式测量。将图片帧转换为HSV...原创 2019-05-01 16:25:10 · 3706 阅读 · 9 评论