2016年03月_搬砖小松鼠

原创冒泡排序、选择排序、插入排序、希尔排序、归并排序、快速排序、堆排序java实现

1.冒泡排序、选择排序、插入排序的时间复杂度均为O(n2);2.选择排序：对于选择排序时间代价主要花费在比较上，即使是起始序列已经相对有序，仍然需要进行那么多次的比较，需要注意的就是要用一个变量来保存最小的那个元素的下标，实现代码如下//选择排序 public static void selection(int[] arr){ int index=0;

2016-03-19 16:41:29 330

转载 nodejs开发指南阅读记录

读《nodejs开发指南》记录　　最近看了一下《nodejs开发指南》发现nodejs在某些特定的领域由他自己的长处，适合密集计算但是业务逻辑比较简单的场景，如果做网站还是选择php吧，呵呵，这本书我除了第5章《用nodejs开发web》没有看，其他章节都大概看完了，了解了nodejs的简单用法，感觉对我作用最大的还是附录A《javascript的高级特性》，这里的内容让我对js的高级特性

2016-03-16 10:12:02 392

原创 java学习笔记知识点整理02

1.接口与接口之间继承使用extends,并且支持多继承。前面提到各种同名方法的重载和接口中同名方法的实现要尽量避免，防止程序混乱不堪。

2016-03-15 20:48:03 363

原创背景建模方法论文总结

文章名称：Real-tine tracking of the human body年份：1997作者：Christopher Richard Wren算法名称：单高斯背景建模简单描述：将每个像素的可能取值看做是一个高斯分布文章名称：Adaptive Background Mixture Models for Real-Time Tracking年份：199

2016-03-15 17:08:09 4298

原创 java学习笔记知识点整理01

1.java中后期绑定的实现：java使用一小段特殊的代码来替代绝对地址的调用。这段代码使用在对象中存储的信息来计算方法体的地址，而在c++中是使用virtual关键字来实现的。非面向对象编程的编译器产生的函数调用会引起前期绑定。2.堆栈中没分配一个空间，栈顶指针向下移动一位，每释放一个空间，栈顶指针向上移动一位。3.java中==和equals方法默认的都是比较的对象的引用，如果想实现比

2016-03-13 16:10:09 389

转载目标检测中的背景建模方法

最近一直在做前景检测方面的研究，刚开始主要是做一些工程性的应用，为了解决工程方面的问题，下了不少功夫，也看了不少最近国内外的文章。一直想做个总结，拖着拖着，终究却写成这篇极不成功的总结。背景建模或前景检测的算法主要有：1. Single Gaussian (单高斯模型)Real-time tracking of the human body2. 混合高斯模型（M

2016-03-13 14:32:52 516

转载行人检测全局特征中的HOG、LBP、Haar特征整理

原文地址：http://dataunion.org/20584.html（一）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

2016-03-11 15:40:41 11577

原创行人检测综述整理

行人检测综述：1）特征提取 2）分类与定位1.特征提取（1）底层特征（2）基于学习的特征（3）混合特征1.1底层特征（1）颜色:容易受光照的影响（2）纹理:LBP局部二值模型(不太适合模糊的图片)，F-LBP,S-LBP,CENTRIST（3）梯度：HOG方向梯度直方图1.1.1 HOG特点：用

2016-03-11 11:59:05 1102

原创图像处理基本知识点整理（matlab函数）

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%图像处理的基本知识%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%5f=imread('W:/apple.jpg') %读取图像imwrite(g, 'W:/apple.png') %保存图像imshow(g) %显示图像g=rgb2gray(f) %彩色图转换成灰度图g=im2bw(f

2016-03-09 16:43:51 1435

转载行人检测实现和相关资料

最近一直在看行人检测的论文，对目前的行人检测做大概的介绍。行人检测具有极其广泛的应用：智能辅助驾驶，智能监控，行人分析以及智能机器人等领域。从2005年以来行人检测进入了一个快速的发展阶段，但是也存在很多问题还有待解决，个人觉得主要还是在性能和速度方面还不能达到一个权衡。1.行人检测的现状（大概可以分为两类）（1）.基于背景建模：利用背景建模方法，提取出前景运动的目标，在目

2016-03-09 15:38:05 858

转载混合高斯背景建模原理及实现

原文：http://blog.csdn.net/jinshengtao/article/details/26278725一、理论混合高斯背景建模是基于像素样本统计信息的背景表示方法，利用像素在较长时间内大量样本值的概率密度等统计信息(如模式数量、每个模式的均值和标准差)表示背景，然后使用统计差分(如3σ原则)进行目标像素判断，可以对复杂动态背景进行建模，计算量较大。在混合高

2016-03-08 15:15:16 4651

原创图像处理中矩形标记图像中某一块区域matlab中rectangle函数介绍

rectangle('Position',[x,y,w,h])从点(x,y)开始绘制一个宽w高h的矩形，对坐标轴数据单元指定值。注意，按指定的比例显示矩形，需要设置坐标轴数据宽高比来使得x和y轴有等长的单位。你可以用命令axis equal 或者daspect([1,1,1])。rectangle绘制一个矩形，其默认位置是[0,0,1,1] ，默认曲率是 [0,0]（也就是说，没有

2016-03-04 19:47:47 16043 1

转载 libsvm 在matlab中保存读取model文件的接口

感谢icestone007无私奉献http://blog.csdn.net/icestone007/article/details/6804150最近一直在用matlab和libsvm，发现libsvm库用起来还是很方便的，就是没有模型直接保存到文件和读取模型的matlab接口（C++的接口有）。由于有会用的Opencv等C/C++库，所以数据交换比较麻烦。看了一下

2016-03-04 16:40:37 977

转载模式识别特征降维-PCA（Principal Component Analysis）

在进行图像的特征提取的过程中，提取的特征维数太多经常会导致特征匹配时过于复杂，消耗系统资源，不得不采用特征降维的方法。所谓特征降维，即采用一个低纬度的特征来表示高纬度。特征降维一般有两类方法：特征选择和特征抽取。特征选择即从高纬度的特征中选择其中的一个子集来作为新的特征；而特征抽取是指将高纬度的特征经过某个函数映射至低纬度作为新的特征。常用的特征抽取方法就是PCA。下面着重介绍PCA。PC

2016-03-03 20:09:09 3449

转载人脸数据库汇总

■Annotated Database (Hand, Meat, LV Cardiac, IMM face) (http://www2.imm.dtu.dk/~aam/)■AR Face Database (http://cobweb.ecn.purdue.edu/~aleix/aleix_face_DB.html)■BioID Face Database (http://www.bioi

2016-03-03 18:19:42 419

转载目标检测的图像特征提取之（三）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

2016-03-02 10:38:49 381

转载目标检测的图像特征提取之（二）LBP特征

LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen,和 D. Harwood 在1994年提出，用于纹理特征提取。而且，提取的特征是图像的局部的纹理特征； 1、LBP特征的描述原始的LBP算子定义为在3*3的

2016-03-02 10:37:59 1073

转载目标检测的图像特征提取之（一）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Dal

2016-03-02 10:36:50 453

转载计算机视觉目标检测的框架与过程

个人接触机器视觉的时间不长，对于机器学习在目标检测的大体的框架和过程有了一个初步的了解，不知道对不对，如有错误，请各位大牛不吝指点。目标的检测大体框架：目标检测分为以下几个步骤：1、训练分类器所需训练样本的创建：训练样本包括正样本和负样本；其中正例样本是指待检目标样本(例如人脸或汽车等)，负样本指其它不包含目标的任意图片（如背

2016-03-02 10:33:57 429

转载模式识别相似性测度距离计算---几种距离对比

在分类聚类算法,推荐系统中,常要用到两个输入变量(通常是特征向量的形式)距离的计算,即相似性度量.不同相似性度量对于算法的结果,有些时候,差异很大.因此,有必要根据输入数据的特征,选择一种合适的相似性度量方法.令X=(x1,x2,..,xn)T,Y=(y1,y2,...yn)T为两个输入向量, 1.欧几里得距离(Euclidean distance)-EuclideanDi

2016-03-01 15:12:17 13579

原创模式识别相似性测度距离计算---tanimoto距离

Tanimoto系数(又称广义Jaccard系数)-TanimotoDistanceMeasure.相似系数)" style="margin:0px; padding:0px; border:0px; list-style:none">相似系数)" style="margin:0px; padding:0px; border:0px; list-style:none">通常

2016-03-01 15:10:19 7491

原创模式识别相似性测度距离计算---夹角余弦和特征二值得夹角余弦

向量空间余弦相似度(Cosine Similarity)余弦相似度用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小。余弦值越接近1，就表明夹角越接近0度，也就是两个向量越相似，这就叫"余弦相似性"。向量空间余弦相似度理论就是基于上述来计算个体相似度的一种方法。下面做详细的推理过程分析。如果向量a和b不是二维而是n维，上述余弦的计算法仍然正确。假定a和b是两个n维向量，a

2016-03-01 14:58:09 2514

马氏距离(Mahalanobis distance)是由印度统计学家马哈拉诺比斯(P. C. Mahalanobis)提出的，表示数据的协方差距离。它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同的是它考虑到各种特性之间的联系（例如：一条关于身高的信息会带来一条关于体重的信息，因为两者是有关联的）并且是尺度无关的(scale-invariant)，即独立于测量尺度。对于一个均值为μ，

2016-03-01 14:48:51 3808

原创模式识别相似性测度距离计算---欧式距离

欧氏距离定义：欧氏距离（ Euclidean distance）是一个通常采用的距离定义，它是在m维空间中两个点之间的真实距离。对于n维空间，欧式距离的公式是 d=sqrt( ∑(xi1-xi2)^ ) 这里i=1,2..n xi1表示第一个点的第i维坐标,xi2表示第二个点的第i维坐标 n维欧氏空间是一个点集,它的每个点可以表示为(x(1),x(2),…x(n)),其中x(i

2016-03-01 14:41:17 4521

搬砖小松鼠的博客