![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
计算机视觉
MachineLP
成功收获成果,失败收获智慧,投入收获快乐!
展开
-
Faster R-CNN
摘要目前最先进的目标检测网络需要先用区域建议算法推测目标位置,像SPPnet[7]和Fast R-CNN[5]这些网络已经减少了检测网络的运行时间,这时计算区域建议就成了瓶颈问题。本文中,我们介绍一种区域建议网络(Region Proposal Network, RPN),它和检测网络共享全图的卷积特征,使得区域建议几乎不花时间。RPN是一个全卷积网络,在每个位置同时预测目标边界和obje转载 2016-05-17 21:23:52 · 2282 阅读 · 0 评论 -
基于粒子滤波的物体跟踪
代码实现:运行方式:按P停止,在前景窗口鼠标点击目标,会自动生成外接矩形,再次按P,对该选定目标进行跟踪。//// main.cpp// opencvLearn//// Created by 刘鹏 on 2016/11/24.// Copyright © 2016年 刘鹏. All rights reserved.//#include #include #inc原创 2016-11-25 15:36:03 · 1485 阅读 · 2 评论 -
最简单的目标跟踪(模版匹配)
一、概述 目标跟踪是计算机视觉领域的一个重要分支。研究的人很多,近几年也出现了很多很多的算法。大家看看淋漓满目的paper就知道了。但在这里,我们也聚焦下比较简单的算法,看看它的优势在哪里。毕竟有时候简单就是一种美。 在这里我们一起来欣赏下“模板匹配”这个简单点的跟踪算法。它的思想很简单,我们把要跟踪的目标保存好,然后在每一帧来临的时候,我们在整个图像中寻找与这个目转载 2016-11-24 17:02:42 · 3180 阅读 · 0 评论 -
2维特征Feature2D—特征点的图像匹配
基于特征点的图像匹配是图像处理中经常会遇到的问题,手动选取特征点太麻烦了。比较经典常用的特征点自动提取的办法有Harris特征、SIFT特征、SURF特征。先介绍利用SURF特征的特征描述办法,其操作封装在类SurfFeatureDetector中,利用类内的detect函数可以检测出SURF特征的关键点,保存在vector容器中。第二部利用SurfDescriptorExtractor类进行原创 2016-11-24 15:49:40 · 4621 阅读 · 0 评论 -
自己训练SVM分类器,进行HOG行人检测。
正样本来源是INRIA数据集中的96*160大小的人体图片,使用时上下左右都去掉16个像素,截取中间的64*128大小的人体。负样本是从不包含人体的图片中随机裁取的,大小同样是64*128。SVM使用的是OpenCV自带的CvSVM类。首先计算正负样本图像的HOG描述子,组成一个特征向量矩阵,对应的要有一个指定每个特征向量的类别的类标向量,输入SVM中进行训练。训练转载 2016-11-20 19:41:34 · 6627 阅读 · 0 评论 -
vehicleDectection with Haar Cascades
VehicleDetectonCODE:VehicleDetectionLast version: 1.0.0 (see Release Notes for more info)Hello everyone, An easy way to perform vehicle detection is by using Haar Cascades. Currently, I don'原创 2016-11-08 20:44:30 · 1465 阅读 · 0 评论 -
imge stitching图像拼接stitching
直接代码:#include #include #include #include // 新版本写在下面文件中:#include //#include "opencv2/features2d/features2d.hpp"#include#include using namespace std;using namespace cv;bool try_use_gpu =原创 2016-12-02 11:41:54 · 2151 阅读 · 0 评论 -
LaneDetection
LaneDetectionCODE: LaneDetection车道线检测的方法步骤:(1)选择感兴趣的区域(ROI也就是车道线存在的区域):我们利用架好相机的特点,使得相机拍摄的车道线位于图像的下半部分,也就是图像的下半部分是道路。 通过这样做,我们不需要找到消失点,并且图像的下半部分被考虑用于进一步处理。 考虑到计算消失点所需的计算开销,它给出了一原创 2016-11-08 16:29:33 · 3703 阅读 · 0 评论 -
图像的遍历
我们在实际应用中对图像进行的操作,往往并不是将图像作为一个整体进行操作,而是对图像中的所有点或特殊点进行运算,所以遍历图像就显得很重要,如何高效的遍历图像是一个很值得探讨的问题。一、遍历图像的4种方式:at(i,j)Mat类提供了一个at的方法用于取得图像上的点,它是一个模板函数,可以取到任何类型的图像上的点。下面我们通过一个图像处理中的实际来说明它的用法。在实际应用中,我们很多时候需转载 2016-12-08 09:39:44 · 2711 阅读 · 0 评论 -
非极大值抑制(Non-Maximum-Suppression)
#include #include #include #include // 新版本写在下面文件中:#include //#include "opencv2/features2d/features2d.hpp"#includeusing namespace std;using namespace cv;void nms( const std::vecto原创 2016-11-28 13:49:11 · 20832 阅读 · 0 评论 -
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。需要提醒的是,HOG+SVM进行行人检测的方法是法国研究人员Dalal转载 2016-11-25 19:06:34 · 695 阅读 · 0 评论 -
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形像素和。Haar特征值反映了图像的灰度变化情况。例如:脸部转载 2016-11-25 19:13:29 · 698 阅读 · 0 评论 -
迅速上手,能随便跑起来的OpenTLD
OpenTLD(Tracking-Learning-Detection)运动跟踪与检测开源软件:下载地址:here。实验效果图:原创 2016-11-25 21:22:16 · 2011 阅读 · 1 评论 -
论文笔记 《Fast R-CNN》
R-CNN的进化版,0.3s一张图片,VOC07有70的mAP,可谓又快又强。而且rbg的代码一般写得很好看,应该会是个很值得学习的项目。动机为何有了R-CNN和SPP-Net之后还要提出Fast RCNN(简称FRCN)?因为前者有三个缺点训练的时候,pipeline是隔离的,先提proposal,然后CNN提取特征,之后用SVM分类器,最后再做bbox regres转载 2016-05-17 21:21:36 · 871 阅读 · 0 评论 -
matlab实现图像预处理的很多方法
RGB = imread('sy.jpg'); % 读入图像imshow(RGB), % 显示原始图像GRAY = rgb2gray(RGB); % 图像灰度转换imshow(GRAY),原创 2016-05-27 19:25:43 · 17339 阅读 · 4 评论 -
SIFT特征提取分析
SIFT(Scale-invariant feature transform)是一种检测局部特征的算法,该算法通过求一幅图中的特征点(interest points,or corner points)及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配,获得了良好效果,详细解析如下:算法描述SIFT特征不只具有尺度不变性,即使改变旋转角度转载 2016-05-16 08:23:17 · 591 阅读 · 0 评论 -
池化方法总结(Pooling)
在卷积神经网络中,我们经常会碰到池化操作,而池化层往往在卷积层后面,通过池化来降低卷积层输出的特征向量,同时改善结果(不易出现过拟合)。为什么可以通过降低维度呢?因为图像具有一种“静态性”的属性,这也就意味着在一个图像区域有用的特征极有可能在另一个区域同样适用。因此,为了描述大的图像,一个很自然的想法就是对不同位置的特征进行聚合统计,例如,人们可以计算图像一个区域上的某个特定特征的转载 2016-05-18 10:19:48 · 7955 阅读 · 0 评论 -
车牌识别 之 字符分割
直接贴代码:#include "stdafx.h"#include "cv.h"#include "highgui.h"using namespace std;using namespace cv;IplImage *g_pGrayImage = NULL; IplImage *g_pBinaryImage = NULL; const char *pstrWindows原创 2016-09-26 18:24:15 · 5051 阅读 · 2 评论 -
opencv_traincascade训练分类器,手势识别。
opencv_traincascade 训练方法,参考本人的博客:Here;xml和video下载地址:Here。测试代码:#include #include #include #include using namespace std;using namespace cv;// Global variables// Copy this file from o原创 2016-11-27 15:07:58 · 4802 阅读 · 0 评论 -
简单的人脸跟踪
选用的人脸检测器:NPD Face Detector单人脸的简单跟踪MATLAB代码。close all; clear; clc;mov = VideoReader('test.mov');modelFile = 'model_frontal.mat'load(modelFile, 'npdModel')%原图中检测到的人脸位置cddBoxX=0;cddBoxY=0;cdd原创 2017-09-15 12:05:05 · 1326 阅读 · 0 评论