原创 Kalman濾波(三)

今天研究了一下卡爾曼濾波跟蹤,同時也看了一下卡爾曼濾波Opencv的源代碼,總是看懂了。下面是opencv自帶的一個程序,代碼如下: [cpp] view plain copy // kalman.cpp : 定義

原创 opencv3+Zbar識別二維碼--水平垂直交叉定位

成像比較清晰,二維碼佔據整個圖像的比例達到4成以上的標準二維碼,用opencv和zbar識別還是很容易的,而且zbar的魯棒性很好。 [cpp] view plain copy // Zbar_code.cpp

原创 Haar特徵和AdaBoost算法

淺析人臉檢測之Haar分類器方法 一、Haar分類器的前世今生        人臉檢測屬於計算機視覺的範疇,早期人們的主要研究方向是人臉識別,即根據人臉來識別人物的身份,後來在複雜背景下的人臉檢測需求越來越大,人臉檢測也逐漸作爲一

原创 BYTE、WORD、DWORD

typedef unsigned char       BYTE; typedef unsigned short      WORD; typede

原创 Opencv+Zbar二維碼識別(標準條形碼/二維碼識別)

使用Opencv+Zbar組合可以很容易的識別圖片中的二維碼,特別是標準的二維碼,這裏標準指的是二維碼成像清晰,圖片中二維碼的空間佔比在40%~100%之間,這樣標準的圖片,Zbar識別起來很容易,不需要Opencv額外的處理。

原创 【特徵檢測】HOG特徵算法

簡介         HOG(Histogram of Oriented Gridients的簡寫)特徵檢測算法,最早是由法國研究員Dalal等在CVPR-2005上提出來的,一種解決人體目標檢測的圖像描述子,是一種用於表徵圖像

原创 Opencv顯示創建Mat對象的七種方式

方式一: [cpp] view plain copy #include<iostream>   #include<opencv2/opencv.hpp>      using namespace std;   us

原创 OpenCV矩陣運算

一、矩陣Mat I,img,I1,I2,dst,A,B;double k,alpha;Scalar s;1.加法I=I1+I2;//等同add(I1,I2,I);add(I1,I2,dst,mask,dtype);scaleAdd(I1,

原创 SVM參數詳解

svm參數說明---------------------- 如果你要輸出類的概率,一定要有-b參數 svm-train training_set_file model_file svm-predict test_file mod

原创 圖像處理中兩種基本的插值算法(最鄰近插值法和雙線性內插法)

在圖像的基本仿射變換中,經常會碰到經過旋轉、縮放後灰度值如何賦值的問題。因爲變換之後,圖像的座標位置有可能是小數,所以就需要插值算法來確定到底將該像素賦予哪個位置。 1、最鄰近插值法(Nearest Interpolation)

原创 圖像學習之如何理解方向梯度直方圖(Histogram Of Gradient)

本文主要翻譯了Histogram of Oriented Gradients一文。 特徵描述子(Feature Descriptor) 特徵描述子就是圖像的表示,抽取了有用的信息,丟掉了不相關的信息。通常特徵描述子會把一個w*h*

原创 圖像特徵提取三大法寶:HOG特徵、LBP特徵、Haar-like特徵

(一)HOG特徵 1、HOG特徵: 方向梯度直方圖(Histogram of Oriented Gradient, HOG)特徵是一種在計算機視覺和圖像處理中用來進行物體檢測的特徵描述子。它通過計算和統計圖像局部區域的梯度方向直

原创 卡爾曼濾波的理解以及參數調整

一、前言 卡爾曼濾波器是一種最優線性狀態估計方法(等價於“在最小均方誤差準則下的最佳線性濾波器”),所謂狀態估計就是通過數學方法尋求與觀測數據最佳擬合的狀態向量。 在移動機器人導航方面,卡爾曼濾波是最常用的狀態估計方法。直觀上來講,卡爾曼

原创 LIBSVM參數解釋

最近學習libsvm庫,將一些個人認爲可以mark的東西做了記錄,雖然README文檔很清晰,但是在這篇文章中列出了dual problemd和核函數的公式,這樣在選擇參數時更加清楚。剛開始學習LIBSVM庫時直接一臉懵,現在也還是在

原创 圖像處理之特徵提取:HOG特徵簡單梳理

 HOG 方向梯度直方圖,這裏分解爲方向梯度與直方圖。 一、方向梯度 梯度:在向量微積分中,標量場的梯度是一個向量場。標量場中某一點上的梯度指向標量場增長最快的方向,梯度的長度是這個最大的變化率。更嚴格的說,從歐幾里得空間Rn到R