2020年05月_邱小兵

10月 07月 06月 05月 04月 03月 02月

原创 OpenCV4学习笔记（76）——基于ArUco模块+QT实现增强现实（AR）

在《OpenCV4学习笔记（75)》中，整理记录了对于一副静态图像如何实现一个简单的增强现实效果，今天我们就结合ArUco模块和QT来实现对于实时视频流的AR效果。我们需要先创建一个QT项目，我使用的是基于VS2019平台来进行开发。然后在QT Designer 中先设计我们的GUI界面，长下面这个样子，左边的窗口是正常打开摄像头录制的视频，右边的窗口是进行增强现实后的视频。搞定这个简单的GUI界面设计后，接下来进入代码部分。首先第一件事依然是先加载相机的内参矩阵和畸变系数，依然默认已经完成了相机标定

2020-05-28 17:16:19 1858 3

原创 OpenCV4学习笔记（74）——ArUco模块之对aruco标记进行实时姿态估计

在之前的笔记《OpenCV4学习笔记（72）》中，记录了在OpenCV中关于aruco标记的创建和检测这方面的内容，今天就基于aruco标记检测来进一步实现对aruco标记的实时姿态估计。首先我们需要知道，所谓姿态估计问题就是要确定某个三维物体的方位指向问题，也就是确定以该物体为中心原点的一个坐标系。姿态估计在机器人视觉、动作跟踪和单照相机定标等很多领域都有应用，当然了在不同领域中实现姿态估计的方法也有很多种。在本次笔记中，就来整理一下OpenCV中的ArUco模块对于aruco标记是如何实现姿态估计的。

2020-05-27 16:21:03 5603 9

原创 OpenCV4学习笔记（75）——ArUco模块之实现AR（增强现实）效果

今天要整理记录的是利用OpenCV中ArUco模块的aruco标记实现一个增强现实的小应用，当然了本次笔记的内容也是需要建立在之前的《OpenCV4学习笔记（72）》基础上的。所谓增强现实(Augmented Reality)，其实是一种将虚拟信息与真实世界巧妙融合的技术，通过技术手段将计算机生成的文字、图像、三维模型、音乐、视频等虚拟信息模拟仿真后，应用到真实世界中，两种信息互为补充，从而实现对真实世界的“增强”。在这里，我们主要利用aruco标记实现将图像、视频这些虚拟信息应用到拍摄下来的真实世界中。

2020-05-26 22:04:03 1813 1

原创 OpenCV4学习笔记（73）——基于QT+OpenCV实现口罩检测

在之前的笔记OpenCV4学习笔记（65）中，使用OpenCV实现了一个简单的口罩检测，但是仅仅只是功能上的实现没有任何的GUI界面，所以今天就结合QT，做一个简单的小界面出来。关于功能实现部分的内容，还请参阅之前的笔记。先说下我的QT开发环境，是使用VS下的“QT VS Tool”拓展来进行的，并且使用QT Designer进行界面控件、布局等的操作。这里主要整理下QtWidgetsApplication.cpp文件中的代码思路。首先依然要先加载各个模型，以及设置计算后台和目标设备 string

2020-05-24 17:20:20 2528 2

原创 OpenCV4学习笔记（72）——ArUco模块之aruco标记的创建与检测

今天要整理记录的是OpenCV中ArUco模块的基础内容，包含aruco标记的创建与检测。要注意的是ArUco模块是包含在OpenCV的contrib拓展库中的，需要自行下载OpenCV基础库和contrib拓展库进行联合编译才可以使用，这里就不整理编译的过程了，不得不说编译的时候还是有好多坑的。。。如果有需要的朋友可以在我的资源里面下载 “OpenCV430（contrib）.txt”，这是编译好了的包含contrib拓展库的OpenCV4.3.0版本，由于文件过大所以使用的是某度网盘链接的方式上传，介意

2020-05-23 21:56:28 6389 9

原创 OpenCV4学习笔记（71）——散焦图像去模糊滤波

今天要整理记录的内容是，关于散焦图像的去模糊滤波，这部分内容参考学习于OpenCV官方文档。首先我们需要先了解下什么是散焦图像。我们观察下面这两张图像当我们看到这两张图像的时候，给我们的第一感觉是很模糊，就好像得了近视眼但是忘了带眼镜在看东西的感觉，虽然我不近视。。。也不知道忘带眼镜是什么感觉。。。这只是一个比方。。。这种情况，其实就是拍摄物体的时候，没有把拍摄主体对上焦，也就叫做散焦图像。正常来说，当像距等于焦距时，一个物点经过透镜在成像面所成的像也应该是一个点，但是如果成像面与透镜之间的距离发

2020-05-19 16:59:34 8243 10

原创 OpenCV4学习笔记（70）——dnn模块之调用预训练模型实现性别年龄检测

本次笔记要整理记录的内容是关于三个caffe模型的联合调用，分别是人脸检测模型、性别检测模型和年龄检测模型。基于这三个模型来实现实时的性别年龄检测效果。这个效果实现的思路如下：（1）加载预先下载好的三个caffe网络模型；（2）打开摄像头加载视频流；（3）对从摄像头中获取每一帧图像进行人脸检测；（4）对检测到的人脸进行性别与年龄检测；（5）解析检测结果；（6）显示检测结果。下面通过代码来逐步整理。首先，我们需要加载这三个模型，并设置计算后台和目标设备，由于是对视频流进行实时处理，所以我们对

2020-05-17 17:28:21 1370

原创 OpenCV4学习笔记（69）——dnn模块之基于fast_style模型实现快速图像风格迁移

今天要整理记录的内容是fast_style模型在OpenCV中使用dnn模块进行加载调用，并基于该模型实现快速的图像风格迁移。在该博文中使用到的fast_style模型是基于pytorch框架训练而成的，总共分为九个不同风格的模型，其中的不同风格是在不同艺术作品中提取出来的，咋一看会有些眼熟，然而说不上来是什么画风。。。具体的图像风格如下：模型风格（翻译可能有误）candy糖果composition_vii康丁斯基的抽象派绘画风格feathers羽毛udnie

2020-05-17 15:48:07 1093

原创 OpenCV4学习笔记（68）——dnn模块之调用基于Cityscapes数据集的图像分割模型

本次笔记要整理记录的是基于Cityscapes数据集训练而成的图像分割模型model-best.net，该模型能够对行人、汽车、红绿灯、马路、地形、天空等等二十种类别进行分类，可用于城市景观分割。下面通过代码整理如何在OpenCV中利用dnn模块对该模型进行加载调用，并实现城市景观分割。首先加载模型，并且设置计算后台和目标设备 string model_path = "D:\\opencv_c++\\opencv_tutorial\\data\\models\\enet\\model-best.net

2020-05-16 17:34:29 1141

原创 OpenCV4学习笔记（67）——dnn模块之基于colorization模型实现图像自动上色

本次要整理记录的内容是利用colorization模型来将灰度图像转换为彩色图像。colorization模型是利用Lab色彩空间的L（亮度）通道来预测a、b两个通道的值，也就是说当我们手里有一张灰度图像的时候，可以利用colorization模型对这张灰度图像的亮度值进行预测，从而得到a、b两个通道的值，并将L、a、b三通道合并后得到一个彩色化的图像。这里使用了Lab色彩空间，我们需要先对其有一定的了解：Lab色彩空间是基于数据驱动对人类感觉的研究，它假设人类的视觉系统理想地适应自然景色的处理，由亮度

2020-05-16 15:54:23 1002 1

原创 OpenCV4学习笔记（66）——dnn模块之基于YOLOv3（Tiny）模型的（实时）对象检测

今天要整理的是OpenCV中dnn模块对于YOLOv3模型的加载调用，以及在此基础上实现图像中的对象检测。OpenCV4.0版本以上支持YOLOv3版本模型的对象检测网络，该网络模型支持80种类别对象的检测，而且现在YOLO发布了v4版本，但是具体的我还没有去尝试过，之前上YOLO的网站看好像还没更新v4版本。YOLOv3版本同时还发布了支持移动端的轻量型网络模型YOLOv3-tiny版本，其速度可以在CPU端实时运行，下次笔记再来整理以YOLOv3-tiny模型为基础实现的实时对象检测功能。OpenCV

2020-05-15 21:32:26 2786 2

原创 OpenCV4学习笔记（65）——基于dnn与ml模块实现口罩识别

昨天在GitHub上看到了一个开源的项目，是利用深度学习来检测是否有佩戴口罩的，感觉还挺好玩的，于是就去下载了训练好的模型，打算用OpenCV的dnn模块来跑一跑。然而，在经过前向传播后，得到的推理矩阵prob是一个 1x5972x2 的Mat矩阵，和之前遇到过的推理结果都不太一样，在经过多种解码方式的尝试后，还是没能够对这个推理结果正确得解码。并且在网上搜索也没有找到相关的内容，几乎没有网友使用OpenCV来运行这个模型，基本都是使用深度学习的框架来运行。这就很无奈了，现在只能暂时把这个模型放一边，等其他

2020-05-10 15:48:39 2776 27

原创 OpenCV4学习笔记（64）——dnn模块之调用基于残差SSD神经网络的人脸检测模型

本次笔记整理的内容是：在OpenCV中利用dnn模块来调用基于残差SSD神经网络的人脸检测模型，OpenCV中的人脸检测模型分别由tensorflow框架和caffe框架训练而成。其中Tensorflow模型经过压缩，运算速度快，但精度比较低；而caffe模型使用FP16的浮点数据，检测精度更高，但运算速度略逊一筹。一、下面先整理人脸检测tensorflow模型opencv_face_detector_uint8.pb的调用。（1）首先加载模型，并设置计算后台和目标设备 string model_pa

2020-05-08 22:43:04 1254 3

原创 OpenCV4学习笔记（63）——dnn模块之调用MobileNetSSD模型实现常见目标检测

本次要整理的内容是：在OpenCV中使用dnn模块来调用MobileNetSSD神经网络模型，并实现常见目标检测。MobileNetSSD，顾名思义是一个适用于移动端的ssd神经网络模型，其运行速度是比较可观的，可以用在实时检测当中。在本次笔记中，先使用一张图像作为演示，传入MobileNetSSD模型中并进行识别，然后再调用笔记本自带的摄像头实现一个实时的常见目标检测。对于MobileNetS...

2020-05-08 16:23:13 1398 8

原创 OpenCV4学习笔记（62）——dnn模块之调用inception5h模型实现图像分类

本次笔记要整理的内容是：通过OpenCV的dnn模块来调用OpenCV自带的inception5h模型，并实现物体识别。该模型可识别的类别总共有1000类，包含动物、日常用品、交通工具等等，范围非常广泛。下面通过代码逐步整理。首先，我们需要加载模型，并设置计算后台和目标设备。 //加载opencv自带的tenserflow模型实现图像分类 const string tf_net_model_...

2020-05-07 21:10:23 939 2

原创 OpenCV4学习笔记（61）——dnn模块之调用googlenet模型实现动物图像分类

今天开始主要整理OpenCV中dnn模块的使用，包括各种神经网络模型的加载、调用，输入输出数据的组织等等内容。而今天要记录的是OpenCV中一个自带神经网络模型——googlenet模型的使用，这个模型是由caffe框架训练出来、主要针对多种野生动物的识别。下面开始通过代码逐步整理在OpenCV中对该模型进行调用，并对图像进行识别分类的流程。首先我们需要加载googlenet模型的模型文件（.c...

2020-05-07 17:55:22 1232

原创操作系统实验2——高响应比调度算法

本次记录高响应比调度算法的C++实现。高响应比调度算法，简单的来说就是对每个进程对计算一个响应比，根据响应比的大小来判断要运行的进程。其实现思路如下：具体步骤为：首先定义进程控制块PCB类：class PCB{public: int ID; //进程ID int runtime; //进程已运行时间 int lasttime; //进程所需的剩余运行时间 int ...

2020-05-03 20:59:33 5532 1

原创操作系统实验1——动态优先数调度算法

今天主要是记录操作系统这门课程的实验，实现动态优先数调度算法。动态优先数调度算法，简单的说就是根据进程的优先级进行调度，优先级高的就先运行，优先级低的就后运行，主要实现思路如下：具体步骤为：定义进程控制块类：//进程PCB类定义class PCB{public: int ID; //进程ID int runtime; //进程已运行时间 int lasttime; ...

2020-05-03 20:48:22 6594 1

原创 OpenCV4学习笔记（59）——高动态范围（HDR）成像

今天要整理记录的笔记是与高动态范围HDR成像相关的内容，主要参考学习的来源为OpenCV官方文档。首先需要了解什么是高动态范围HDR，由维基百科定义可知：高动态范围成像（英语：High Dynamic Range Imaging，简称HDRI或HDR），在计算机图形学与电影摄影术中，是用来实现比普通数位图像技术更大曝光动态范围（即更大的明暗差别）的一组技术。高动态范围成像的目的就是要正确地表...

2020-05-02 22:22:53 4452 1