模式识别
yansmile1
这个作者很懒,什么都没留下…
展开
-
目标检测学习_1(用opencv自带hog实现行人检测)
本文主要介绍下opencv中怎样使用hog算法,因为在opencv中已经集成了hog这个类。其实使用起来是很简单的,从后面的代码就可以看出来。本文参考的资料为opencv自带的sample。 关于opencv中hog的源码分析,可以参考本人的另一篇博客:opencv源码解析之(6):hog源码分析 开发环境:opencv2.4.2+Qt4.8.2+ubuntu12.0转载 2015-12-09 16:03:50 · 835 阅读 · 0 评论 -
OpenCV 2.4+ C++ SVM介绍
分类器分类器是一种计算机程序。他的设计目标是在通过学习后,可自动将数据分到已知类别。 平面线性分类器一个简单的分类问题,如图有一些圆圈和一些正方形,如何找一条最优的直线将他们分开?我们可以找到很多种方法画出这条直线,但怎样的直线才是最优的呢?距离样本太近的直线不是最优的,因为这样的直线对噪声敏感度高,泛化性较差。 因此我们的目标是找到转载 2015-11-27 11:06:12 · 1150 阅读 · 0 评论 -
opencv SVM 训练行人检测器注意事项
[cpp] view plaincopy"color: rgb(255, 0, 0); font-size: 18px; font-weight: bold; font-family: Arial, Helvetica, sans-serif; background-color: rgb(255, 255, 255);">事项1:支持向量一个的原因?转载 2015-12-07 22:29:23 · 558 阅读 · 0 评论 -
用opencv检测人眼并定位瞳孔位置
最近的研究要用到定位瞳孔的位置,所以上网搜了下相关的代码。总结如下: 1) 定位瞳孔可以直接使用opencv中的自带的分类器(haarcascade_eye_tree_eyeglasses.xml)来实现,以前听师兄说用opencv自带的这个方法定位瞳孔不准,但我自己做了实验后发现在正面人脸的情况下定位还是很准确的,后面有图。分析了下原因,师兄是他之前实验时感觉不准有可能是他转载 2015-12-08 16:34:26 · 10630 阅读 · 0 评论 -
计算机视觉和模式识别的code
[转]计算机视觉和模式识别的codeUIUC的Jia-Bin Huang同学收集了很多计算机视觉方面的代码,链接如下:https://netfiles.uiuc.edu/jbhuang1/www/resources/vision/index.html TypeTopicNam转载 2015-12-07 22:34:13 · 2470 阅读 · 1 评论 -
OpenCV 2.4+ C++ SVM线性不可分处理
目的实际事物模型中,并非所有东西都是线性可分的。需要寻找一种方法对线性不可分数据进行划分。 原理上一篇文章,我们推导出对于线性可分数据,最佳划分超平面应满足: 现在我们想引入一些东西,来表示那些被错分的数据点(比如噪点),对划分的影响。如何来表示这些影响呢?被错分的点,离自己应当存在的区域越远,就代表了,这个点“错”得越转载 2015-11-27 11:07:16 · 487 阅读 · 0 评论 -
libsvm的使用
1: 了解libsvm工具包LIBSVM是台湾大学林智仁(Lin Chih-Jen)教授等2001年开发设计的一个简单, 易于使用和快速有效的SVM模式识别与回归的软件包, 他不但提供了编译好的可在Windows系列系统的执行文件, 还提供了源代码, 方便改进, 修改以及在其它操作系统上应用; 该软件对SVM所涉及的参数调节相对比较少, 提供了很多的默认参数, 利用这些默认参数可以解决很多转载 2015-12-03 21:21:28 · 372 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(从完全不包含人体的图片中随机剪裁出64*128大小的用于人体检测的负样本)。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,对应的转载 2015-12-07 22:23:56 · 1236 阅读 · 1 评论 -
车牌识别资料收集
EasyPR--一个开源的中文车牌识别系统http://www.cnblogs.com/subconscious/p/3979988.html转载 2015-12-07 22:40:28 · 778 阅读 · 0 评论 -
机器视觉开源代码集合
一、特征提取Feature Extraction:SIFT [1] [Demo program][SIFT Library] [VLFeat]PCA-SIFT [2] [Project]Affine-SIFT [3] [Project]SURF [4] [OpenSURF] [Matlab Wrapper]Affine Covariant Features [5] [O转载 2015-12-07 22:42:34 · 450 阅读 · 0 评论 -
OPENCV中SVM参数解析
先来看一下什么是SVM(支持向量机)SVM是一种训练机器学习的算法,可以用于解决分类和回归问题,同时还使用了一种称之为kernel trick(支持向量机的核函数)的技术进行数据的转换,然后再根据这些转换信息,在可能的输出之中找到一个最优的边界(超平面)。简单来说,就是做一些非常复杂的数据转换工作,然后根据预定义的标签或者输出进而计算出如何分离用户的数据。支持向量机方法是建立在统计转载 2015-12-08 10:50:44 · 11235 阅读 · 0 评论 -
我的OpenCV学习笔记(六):使用支持向量机(SVM)
SVM是2000年左右提出的一种新的分类方法,着重解决了小样本分类问题。具体原理可以参看模式识别的书籍。OpenCV中的SVM的实现也是基于大名鼎鼎的SVM 库:http://www.csie.ntu.edu.tw/~cjlin。OpenCV教程中有两个例子,一个是线性可分的,一个是线性不可分的,我对他们做了详尽的注释:先看(无噪声)线性可分时:[cpp] view p转载 2015-12-08 10:27:21 · 933 阅读 · 0 评论 -
OpenCV中的SVM参数优化
SVM(支持向量机)是机器学习算法里用得最多的一种算法。SVM最常用的是用于分类,不过SVM也可以用于回归,我的实验中就是用SVM来实现SVR(支持向量回归)。 对于功能这么强的算法,opencv中自然也是有集成好了,我们可以直接调用。OpenCV中的SVM算法是基于LibSVM软件包开发的,LibSVM是台湾大学林智仁(Lin Chih-Jen)等开发设计的一个简单、易于使用和快速转载 2015-12-08 16:05:55 · 2193 阅读 · 0 评论