研一总结

    从去年上研究生以来，渐渐地适应了研究生的生活。

    这大半年来做了些什么呢？

    本职工作做的有如下：

    1.HOG特征+SVM分类器的物体识别算法研究与应用。

    带着大学时代的青涩，用着MATLAB测试代码，最坑的事提取样本的时候，还是用MATLAB编程来对视频截图，后来由于要用到一个系统软件上去，转战C++，开始接触OpenCV,三十行代码完成这个任务。

    2.Haar特征+Adaboost分类器的物体识别算法研究与应用。

    第二个骨头，最烦的就是提取正样本，开始也是用MATLAB截图，后来确实受不了啦，就跑去研究跟踪算法，打算做一个自动提取正样本的东西，后来120行左右的代码实现了，这个也是在OpenCV上四十行代码实现了，但是缺点也随之而来，不断地学习，不断的思考，不断的改进。

    3.TLD算法的研究

    还没应用，主要还是没搞清楚，调试这个代码费了很多时间，在Ubuntu上装个OpenCV,然后调通了TLD，后来电脑跟不上，只有在Windows上调通，然后学习，PN学习，Bit特征，一步一步的走下去。

     

   意外收获：

   1.平台的转换

     曾经依赖MATLAB平台，最大的缺点，做的算法如果应用的话就傻掉了，C++编程基础薄弱，本科也没用系统的学习C++编程，后来开始从C++源码库开始，一个一个源文件阅读。

     STL库对于做视觉计算，人工智能几乎不可或缺，而OpenCV也是提升效率的不二选择。

    个人对OpenCV的认识：

    第一层次：看书百度写代码

    第二层次：看库源码写代码

    第三层次：优化库函数写代码

    在第三层次中，如何优化呢？

    大量的数据处理，于是开始接触：汇编，intel指令集，CUDA，多线程。

    2.关于编程语言的思考

    看了一些杂书，一个好的编程语言对于算法的设计和应用至关重要，上层建筑对于基础建设至关重要，就似一个县长在一个贫困县修一条6车道的大路，被群众骂了好些年，后来大家都买了车，发现6车道的路都不够用，不过其他的路更是堵得一塌糊涂。

     回到正题，Python，Lua，Go，关注小语言，主要是想摸清语言的特点，而且对于一个非专业的人来说，时间也巨宝贵，但是编程语言原理也需要熟悉，行业顶级期刊上发表的文章，思想很重要，编程是一切的基石，而选择合适的编程语言组合搭配设计一个算法，也就凸显其魅力。

     研究最多的还是Lua,首先短小，核心源码就2W行左右，拓展性很强，看了有股冲动，设计一门语言，但是后来看编译原理和编译器设计，编程语言原理，发现还是先好好搞好本行，一步一步来，难度不小，有这时间不如去写一个库。

    3.关于库的思考

     OpenCV库，OpenGL库，OpenMP库，WINDOWS库，STL库，BOOST库。。。。。。。

     在学习算法的过程中，粘贴复制，动手设计了一些算法代码，CSDN，github，后来还是感觉写成一个库，搞个API接口，分门别类，也许库的用途还不止这点，呵呵。

    4.linux的学习

     shell就是个引子，由于系统的原因，就学了bash,主要还是调试代码，学习算法。

    5.算法拓展

     特征提取系列算法

主要了解的特征：

     HOG特征

     SIFT特征

     HAAR特征

     Gabor特征

     BitBP特征

     SURF特征

     LBP特征

     目标跟踪系列算法

主要了解的跟踪算法：

     Camshift跟踪

     Meanshift跟踪

     四种光流法运动估计

     分类器系列算法

 主要涉及的分类思想

     SVM

     Adaboost

     贝叶斯分类器

     决策树

       下一个开始           //

Computer Vision

Conf.:
        Best:  ICCV, Inter. Conf. on Computer Vision
                  CVPR, Inter. Conf. on Computer Vision and Pattern Recognition
        Good: ECCV, Euro. Conf. on Comp. Vision
                  ICIP, Inter. Conf. on Image Processing
                  ICPR, Inter. Conf. on Pattern Recognition
                  ACCV, Asia Conf. on Comp. Vision
Jour.:
        Best:  PAMI, IEEE Trans. on Patt. Analysis and Machine Intelligence
                  IJCV, Inter. Jour. on Comp. Vision
        Good: CVIU, Computer Vision and Image Understanding
                  PR,   Pattern Reco.

    接下来的日子继续看文献，争取也多写几篇博客了。。。