自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(8)
  • 收藏
  • 关注

转载 source code of CV

计算机视觉source code目录(?)[+]      This article comes from http://blog.csdn.net/willard_yuan/article/details/11864385 2013计算机视觉代码合集一:http://www.yuanyong.org/blog

2013-10-10 11:16:50 1366

原创 The work of last three weeks:Lane line detection, Online boosting, Multiboost

Lane line detectionOnline adaboost Multiboost      Long time no update, because I have to prepare for my GRE test and materials to application. Although I did not have much time for research

2013-10-09 15:25:42 1898

原创 The work of this week

Last week is my first week in this term, and I had to prepare for coming GRE. So I did not have enough time to do my project. However, I still made some progress in this period of time.     Firstly,

2013-09-17 19:05:04 1201

原创 交通标志牌的检测与识别

Driver Assistance System已经成为学术研究的一大领域,作为智能交通的一部分,有大量研究人员投身其中,每年都会有大量的成果发表在IEEE trans on intelligent transportation system等顶级期刊,会议上。有些成熟技术甚至已走出学术界,应用于工业界,如福特公司的自动刹车系统,Google 的无人驾驶汽车,而 Mobileye 甚至已将其固

2013-09-10 16:36:47 21332 9

原创 行人检测(haar+adaboost 与 hog+SVM)

最近在做行人检测,而最流行,也是最老的两种方法就是haar+adaboost 与 hog+SVM。两种我都尝试了,效果并不如想象的好,所以要想有更好的效果,一是要有预处理,二是要有更大量的正负样本。    下面现总结一下自己应用的 haar+Adaboost 进行的行人检测:    我分别训练了两个分类器,训练数据库均来自NICTA(澳大利亚信息与通讯技术研究中心),用其中的2000张做证

2013-09-09 20:28:19 12353 11

原创 cvSeqPartition

// This function splits the input sequence or set into one or more equivalence classes.// is_equal(a,b,...) returns non-zero if the two sequence elements// belong to the same class. The function re

2013-09-04 16:35:25 1221 1

转载 cvHaarDetectObjects

http://blog.csdn.net/timidsmile/article/details/7625601原出处:分类器结构及操作函数:CvHaarFeature[cpp] view plaincopy#define CV_HAAR_FEATURE_MAX  3  typedef struct CvHaarFe

2013-09-04 15:26:44 969

转载 cvHaarDetectObjects

OpenCV的人脸检测主要是调用训练好的cascade(Haar分类器)来进行模式匹配。cvHaarDetectObjects,先将图像灰度化,根据传入参数判断是否进行canny边缘处理(默认不使用),再进行匹配。匹配后收集找出的匹配块,过滤噪声,计算相邻个数如果超过了规定值(传入的min_neighbors)就当成输出结果,否则删去。匹配循环:将匹配分类器放大scale(传入值)

2013-09-04 14:19:45 834

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

提示
确定要删除当前文章?
取消 删除