- 博客(7)
- 收藏
- 关注
RSS订阅
1原创 卡尔曼滤波实现鼠标追踪
import cv2import numpy as np# 先建立一个黑色的背景img = np.zeros((800, 800, 3), np.uint8)# 初始化卡尔曼滤波器kalman = cv2.KalmanFilter(4, 2) # 四个输入，需要预测两个kalman.measurementMatrix = np.array([[1, 0, 0, 0], [0, 1, 0, 0]], np.float.
2022-05-03 20:35:01
744
原创 利用OpenCv实现物体追踪（2）
不同与之前的背景分割的追踪方法，MeanShift从背景以及前景物体两方面进行建模。在程序一开始设定感兴趣的区域，并初始化滑动窗口用于后续的绘制。利用计算的直方图进行反映射，越亮的区域表示感兴趣的区域（即希望追踪的区域）程序如下，需要修改你感兴趣的区域的图像的大致位置。其余函数各参数的含义均已经注释。# 在之前的背景差分检测物体中，只是对背景建立某种模型，一旦摄像头本身发生移动，整个背景模型都会过时# 我们希望区分所关注的物体与其他物体，即使路径上存在交叉# 实质上是一种聚类算法，
2022-05-01 21:30:16
1105
原创 利用MOG背景分割器实现物体追踪
相比与基本背景差分器，MOG能够不断更新背景图像，从而能够更好地应对摄像头的运动以及光线变化带来的影响。简而言之，原来的算法太过死板，从头到尾都是用的同一个背景图像用于对比，而MOG会随时间变化，更新用于对比的背景，实际效果更好。# MOG背景差分器# MOG背景差分器中取消了高斯模糊的操作import cv2# 定义运算的核算子erode_kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))dilate_kerne
2022-04-22 17:38:53
543
原创 利用pytorch快速实现分类任务
关于如何快速定义自己的数据集，可以参考我的前一篇文章PyTorch中快速加载自定义数据（入门）_晨曦473的博客-CSDN博客刚开始学习PyTorch，找了很多自定义数据加载的方法，还是使用torch中封装的库函数好用，而且快捷，会根据路径自动返回对应的标签，下面的代码每一行都给了注释。import torchfrom torchvision import transforms, utilsfrom torchvision import datasetsimport torch.utils.dataimpo
2022-03-01 19:04:50
1364
原创 pytorch中快速加载自定义数据（入门）
刚开始学习PyTorch，找了很多自定义数据加载的方法，还是使用torch中封装的库函数好用，而且快捷，会根据路径自动返回对应的标签，下面的代码每一行都给了注释。import torchfrom torchvision import transforms, utilsfrom torchvision import datasetsimport torch.utils.dataimport matplotlib.pyplot as plt# 定义图像预处理transform1 = tran
2022-02-16 10:52:24
1123
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人