BBZZ2的专栏

TMS320C6713 是德州仪器（TI）推出的数字信号处理器（DSP）产品。它具备高性能、低功耗、灵活性强和处理速度快等特点，可应用于音视频信号处理、通信信号处理、控制系统、医疗器械等多个领域。其原理是利用高速时钟和多路运算器进行信号的采样、滤波、FFT、时域分析等复杂运算，采用紧凑型指令集和高度优化架构，实现高效内存管理和快速数据通信以提供高性能实时操作。在音频处理方面可实现音乐解码、编辑、转换等功能，在视频方面可实现高清视频压缩等功能，是一种应用广泛且可靠性高的数字信号处理器，未来还有望进一步升级拓展

一种基于深度卷积神经网络（DCNN）用于于头发和面部皮肤实时分割方法原创 imalg图像算法 发布于2020-01-03 10:38:47 阅读数 7 收藏展开团队信息摘要现代的语义分割方法通常过于关注模型的准确性，因此引入繁琐的主干，这会带来沉重的计算负担和内存占用。为了解决这个问题，作者提出了一种基于深度卷积神经网络（DCNN）的高效分割方法，用于头发和面部皮肤分割任务，该方法...

人工智能：论文摘录：The Street View House Numbers (SVHN) Dataset http://ufldl.stanford.edu/housenumbers/SVHN is a real-world image dataset for developing machine learni

图像检索研究摘录：参考资料：http://blog.youkuaiyun.com/icvpr/article/details/12304127  基于内容的图像检索引擎（以图搜图）http://blog.youkuaiyun.com/jvid_sky/article/details/53213898 JS 实现上传照片到服务器 和 后台处理处理这个照片

视频效果：http://v.youku.com/v_show/id_XMTg5MDc1OTU4MA==.html?from=s1.8-1-1.2&spm=a2h0k.8191407.0.0研究资料：http://www.iis.ee.ic.ac.uk/~dtang/hand.html3D Articul

SDM 训练阶段的任务如下：载入标准化的数据（包括400*400的正脸及特征点）对每一张标准化的图片，模拟人脸检测仪，产生10个扰动的人脸框及相应的初始特征点x0。求解Δx,Φ,其中Δx=x∗−x0,x∗表示true shape,Φ表示每个特征点的特征向量求解最小二乘问题，得到一系列{Rk}下面分别来说明：载入数据载入811个训练数据，按照上一章预备篇关于第一幅图片

原文地址：http://www.learnopencv.com/facial-landmark-detection/#comment-2471797375作为计算机视觉研究员，我们很早就开始研究人脸。人脸分析领域最广为人知的就是人脸识别（face recognition）.但是为了识别一幅图像中的人脸，我们首先必须要找到图像中人脸的位置。因此人脸检测（face detection)-定位一幅图

树莓派结合身份证阅读器的应用作者:Mr.Kim.Wu  邮箱：mrkimwu@gmail.com发布:2013-10-08关键字：RaspberryPi,Raspi,RPI,树莓派,身份证阅读器,二代证,身份证,居民身份证,RFID,NFC,Debian,linux,创客 一、简介1.1 第二代居民身份证第二代居民身份证是一种既具有视读，又具有机读两种功能的法定有效

这是Dlib库学习系列的第二篇，主要介绍人脸检测。Dlib库的人脸检测算法使用的hog特征与级联分类器。废话少说，下面开始。步骤一：建立工程，配置工程。 建立工程就不多说了，不用预编译头，建立一个空项目就可以。下面主要说配置。 （1）VC++目录" src=""> （2） （3）就是把上一篇博客中生成的dlib.lib导入工程中 步骤二：编写代码 在此我使用的dli

人脸验证算法Joint Bayesian详解及实现（Python版）Tags： JointBayesian DeepLearning Python本博客仅为作者记录笔记之用，不免有很多细节不对之处。还望各位看官能够见谅，欢迎批评指正。博客虽水，然亦博主之苦劳也。如对代码有兴趣的请移步我的 Github。 如需转载，请附上本文链接，不甚感激！ http

因为前一阵子忙于自己的毕设，所以就没有及时更新日志，今天正好没其他事儿，所以，我就把图像拼接程序写上来了。。。欢迎大家的阅读以及批评和指正。下面的程序是基于opencv2.3.1+vs2010的搭建的环境下编程的。。。首先对两个usb通用摄像头进行了标定。然后进行图像拼接，最后进行测距。这不是最终版，因为最终版是我的论文内容。所以，要过一阵子才能写上来，因为现在写上来我的论

 四、双目匹配与视差计算立体匹配主要是通过找出每对图像间的对应关系，根据三角测量原理，得到视差图；在获得了视差信息后，根据投影模型很容易地可以得到原始图像的深度信息和三维信息。立体匹配技术被普遍认为是立体视觉中最困难也是最关键的问题，主要是以下因素的影响： （1） 光学失真和噪声（亮度、色调、饱和度等失衡）（2） 平滑表面的镜面反射

一般的针孔相机模型如下：三维坐标点经过透视投影变换，转换到一个图像平面坐标点。而相机透镜还存在一定的畸变，包括横向畸变和切向畸变。 因此，针孔相机模型又被扩展为以下模型：首先，世界坐标被转换为相机坐标，由X,Y,Z到x，y，z；然后，归一化，z=1处，x，y的投影坐标x`,y`；接下来，对投影坐标，进行畸变处理；最后，由相机坐标转换到图像坐标

转载请注明出处：http://blog.youkuaiyun.com/WuHaibing_CVer OTSU算法是由日本学者OTSU于1979年提出的一种对图像进行二值化的高效算法。 1. OTSU算法原理简介 对于一幅图像，设当前景与背景的分割阈值为t时，前景点占图像比例为w0，均值为u0，背景点占图像比例为w1，均值为u1。则整个图像的均值为u = w0*u0

打开*.sln之后，在项目的属性页，“配置属性”/“链接器”/“系统”中“子系统”选择“Windows（/SUBSYSTEM:WINDOWS）原先为“控制台(/SUBSYSTEM:CONSOLE)”如果只修改这一项，重新编译的时候会报这样的错误：MSVCRTD.lib(crtexew.obj) : error LNK2019: 无法解析的外部符号 _WinMain@16，该

一、原理 决策树是一种非参数的监督学习方法，它主要用于分类和回归。决策树的目的是构造一种模型，使之能够从样本数据的特征属性中，通过学习简单的决策规则——IF THEN规则，从而预测目标变量的值。图1 决策树例如，在某医院内，对因心脏病发作而入院治疗的患者，在住院的前24小时内，观测记录下来他们的19个特征属性——血压、年龄、以及其他17项可以综合判断病人状况的重

版权声明：本文为博主原创文章，未经博主允许不得转载。一、原理 AdaBoost（Adaptive Boosting，自适应提升）算法是由来自AT&T实验室的Freund和Schapire于1995年首次提出，该算法解决了早期Boosting算法的一些实际执行难题，而且该算法可以作为一种从一系列弱分类器中产生一个强分类器的通用方法。正由于AdaBoost算法的优异性能，Fre

一、原理 OpenCV实现的贝叶斯分类器不是我们所熟悉的朴素贝叶斯分类器（Naïve Bayes Classifier），而是正态贝叶斯分类器（Normal Bayes Classifier），两者虽然英文名称很相似，但它们是不同的贝叶斯分类器。前者在使用上有一个限制条件，那就是变量的特征之间要相互独立，而后者没有这个苛刻的条件，因此它的适用范围更广。为了保持理论的系统性和完整性，

一、原理 K近邻算法（KNN，K-NearestNeighbors）是一种非常简单的机器学习方法，它既可以处理分类问题，也可以处理回归问题，而且它的执行效果非常好。KNN是一种懒惰学习算法（lazy learningalgorithm）。所谓懒惰算法指的是，直到有了新的测试样本，该算法才开始依据训练样本进行样本的预测处理工作，也就是说该算法事先不会对训练样本进行任何的处理，只会

在嵌入式系统内，对图像进行实时匹配，这项任务给特征点的检测与描述提出了更高的要求。这不仅要求运算速度快，而且还要求占用更少的内存。SIFT和SURF方法性能优异，但它们在实时应用中就力不从心，一个主要的原因就是特征点的描述符结构较复杂，表现形式是第一描述符的维数较多，第二描述符采用浮点型的数据格式。维数多固然可以提高特征点的可区分性，但使描述符的生成和特征点的匹配的效率降低，另一方

SURF算法是SIFT算法的加速版，opencv的SURF算法在适中的条件下完成两幅图像中物体的匹配基本实现了实时处理，其快速的基础实际上只有一个——积分图像haar求导，对于它们其他方面的不同可以参考本blog的另外一篇关于SIFT的文章。    不论科研还是应用上都希望可以和人类的视觉一样通过程序自动找出两幅图像里面相同的景物，并且建立它们之间的对应，前几年才被提出的SIFT（

在国外，机器视觉的应用普及主要体现在半导体及电子行业，其中大概40%-50%都集中在半导体行业。具体如PCB印刷电路：各类生产印刷电路板组装技术、设备；单、双面、多层线路板，覆铜板及所需的材料及辅料；辅助设施以及耗材、油墨、药水药剂、配件；电子封装技术与设备；丝网印刷设备及丝网周边材料等。SMT表面贴装：SMT工艺与设备、焊接设备、测试仪器、返修设备及各种辅助工具及配件、SMT材料、贴片剂

图形可以用一些参数进行表示，标准霍夫变换的原理就是把图像空间转换成参数空间（即霍夫空间），例如霍夫变换的直线检测就是在距离-角度空间内进行检测。圆可以表示成：(x-a)2+(y-b)2=r2                  （1）其中a和b表示圆心坐标，r表示圆半径，因此霍夫变换的圆检测就是在这三个参数组成的三维空间内进行检测。原则上，霍夫变换可以检测任何形状。但复杂的形

明：本文为博主原创文章，未经博主允许不得转载。Opencv中提供了SimpleBlobDetector的特征点检测方法，正如它的名称，该算法使用最简单的方式来检测斑点类的特征点。下面我们就来分析一下该算法。首先通过一系列连续的阈值把输入的灰度图像转换为一个二值图像的集合，阈值范围为[T1,T2]，步长为t，则所有阈值为：T1，T1+t，T1+2t，T

/*****************************************************************************************************************************/1.　　前言　　读者朋友们大家好！（很久很久）之前，我们为大家介绍了SLAM的基本概念和方法。相信大家对SLAM，应该有了基本

分类： 图像处理（25） 作者同类文章X版权声明：本文为博主原创文章，未经博主允许不得转载。    人们普遍认为角点是二维图像亮度变化剧烈的点或图像边缘曲线上曲率极大值的点。这些点在保留图像图形重要特征的同时,可以有效地减少信息的数据量,使其信息的含量很高,有效地提高了计算的速度,有利于图像的可靠匹配,使得实时处理成为可能。其在三

一：图像金字塔基本操作对一张图像不断的模糊之后向下采样，得到不同分辨率的图像，同时每次得到的新的图像宽与高是原来图像的1/2, 最常见就是基于高斯的模糊之后采样，得到的一系列图像称为高斯金字塔。高斯金字塔不同(DoG)又称为拉普拉斯金字塔，其计算公式如下：L(i) = G(i) – expand(G(i+1))第i层拉普拉斯金字塔是由

版权声明：本文为博主原创文章，未经博主允许不得转载。一天从网上下了20个vc的hough代码，没有一个代码是成功的。令人郁闷，我参考matlab代码写出了hough检测单个直线的程序Hough变换：本程序是我花费时间最长的程序；参考matlab算法；首先求出原图上的每一个像素在变换域上的对应曲线，即原图上每一点(i,j)对应变换域曲线(p,k)；p=(int)(i*cos(

本文转载于http://www.yuanyong.org/cv/cv-code-three.html2013计算机视觉代码合集一：http://www.yuanyong.org/blog/cv/cv-code-one2013计算机视觉代码合集二：http://www.yuanyong.org/blog/cv/cv-code-two 按类别分类 

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D

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的窗

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（如背景等），所有的样本图

基于Haar特征的Adaboost级联人脸检测分类器基于Haar特征的Adaboost级联人脸检测分类器，简称haar分类器。通过这个算法的名字，我们可以看到这个算法其实包含了几个关键点：Haar特征、Adaboost、级联。理解了这三个词对该算法基本就掌握了。1        算法要点Haar分类器 = Haar-like特征 + 积分图方法 + AdaBoost +级联；

图像物体检测识别中的LBP特征1        引言之前讲了人脸识别中的Haar特征，本文则关注人脸检测中的LBP特征，说是对于人脸检测的，其实对于其他物体也能检测，只需修改训练数据集即可。所以本文的题目是物体检测识别，比如可以检测是否汽车是否有车牌号等。在opencv实现的haar特征的人脸识别算法中，LBP特征也被支持。haar特征的博文链接：http://blog.c

（一）SVM的八股简介支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中[10]。支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精

转载地址：SVM入门（八）松弛变量现在我们已经把一个本来线性不可分的文本分类问题，通过映射到高维空间而变成了线性可分的。就像下图这样：圆形和方形的点各有成千上万个（毕竟，这就是我们训练集中文档的数量嘛，当然很大了）。现在想象我们有另一个训练集，只比原先这个训练集多了一篇文章，映射到高维空间以后（当然，也使用了相同的核函数），也就多了一个样本点，但是这个样本的位置是这样的：

最近一直在看SIFT算法。Sift是David Lowe于1999年提出的局部特征描述子，并于2004年进行了更深入的发展和完善。Sift特征匹配算法可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题，具有很强的匹配能力。LOWE真是牛啊，2004年发表在IJCV上的Distinctive Image Features from Scale-Invariant Keypoin

大家知道相机可以做到将几个不同场景的图片匹配形成一幅图，此处用sift特征与ransac算法相结合的方法来进行图像的匹配。详细过程见程序如下：（运行前装库文件vlfeat）%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%两幅图的匹配%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

版权声明：本文为博主原创文章，未经博主允许不得转载。几何不变矩 Hu 矩【原文部分转载】：http://blog.youkuaiyun.com/wrj19860202/archive/2011/04/16/6327094.aspx在连续情况下，图像函数为 ，那么图像的p+q阶几何矩（标准矩）定义为：    p+q阶中心距定义为： 其中 和 代

OTSU算法是由日本学者OTSU于1979年提出的一种对图像进行二值化的高效算法。 1. OTSU算法原理简介 对于一幅图像，设当前景与背景的分割阈值为t时，前景点占图像比例为w0，均值为u0，背景点占图像比例为w1，均值为u1。则整个图像的均值为u = w0*u0+w1*u1。建立目标函数g(t)=w0*(u0-u)^2+w1*(u1-u)^2，g(t)就是当分割