OpenCV 2.4+ C++ 人臉識別
機器學習 機器學習的目的是把數據轉換成信息。 機器學習通過從數據里提取規則或模式來把數據轉成信息。 人臉識別 人臉識別通過級聯分類器對特征的分級篩選來確定是否是人臉。 ...
原文：OpenCV 2.4+ C++ 行人檢測
HOG特征描述 首先我們來了解一下HOG特征描述子。 HOG特征描述子 HOG descriptors 是由Navneet Dalal和 Bill Triggs在 年的一篇介紹行人檢測方法的論文提到的特征描述子 論文以及演講可參見參考資料 。 其主要思想是計算局部圖像梯度的方向信息的統計值，來作為該圖像的局部特征值。 如上圖，歸一化圖像后，由於顏色數據對我們沒有幫助，所以將圖片轉為灰度圖。 然后將 ...
2012-12-03 08:24 2 18401 推薦指數：
相關推薦
OpenCV 2.4+ C++ SVM介紹
分類器 分類器是一種計算機程序。 他的設計目標是在通過學習后，可自動將數據分到已知類別。 平面線性分類器 一個簡單的分類問題，如圖有一些圓圈和一些正方形，如何找一條最優的直線將他們分開？ ...
OpenCV 2.4+ C++ 平滑處理
原理 平滑也稱模糊, 是一項簡單且使用頻率很高的圖像處理方法。 平滑處理時需要用到一個濾波器。 最常用的濾波器是線性濾波器，線性濾波處理的輸出像素值（例如：）是輸入像素值（例如：）的加權平均： ...
OpenCV 2.4+ C++ SVM文字識別
預備知識 下面兩個都不是必備知識，但是如果你想了解更多內容，可參考這兩篇文章。 OpenCV 2.4+ C++ SVM介紹 OpenCV 2.4+ C++ SVM線性不可分處理 SVM划分的意義 到此，我們已經對SVM有一定的了解了。可是這有什么用呢？回到上一篇文章結果圖 ...
OpenCV 2.4+ C++ 邊緣梯度計算
圖像的邊緣 圖像的邊緣從數學上是如何表示的呢？ 圖像的邊緣上，鄰近的像素值應當顯著地改變了。而在數學上，導數是表示改變快慢的一種方法。梯度值的大變預示着圖像中內容的顯著變化了。 用更加形象的 ...
OpenCV 2.4+ C++ SVM線性不可分處理
目的 實際事物模型中，並非所有東西都是線性可分的。 需要尋找一種方法對線性不可分數據進行划分。 原理 上一篇文章，我們推導出對於線性可分數據，最佳划分超平面應滿足： ...
基於YOLOv3和Qt5的車輛行人檢測（C++版本）
概述 YOLOv3: 車輛行人檢測算法 GitHub Qt5: 制作簡單的GUI OpenCV：調用cv::rentangle和cv::putText函數 Step YOLOv3檢測結果 Fig 1. input image(from [DETRAC ...
HOG + SVM(行人檢測, opencv實現)
HOG+SVM流程 1.提取HOG特征 灰度化 + Gamma變換(進行根號求解) 計算梯度map(計算梯度) 圖像划分成小的cell，統計每個cell梯度直方圖 多個cell組成 ...