dlphay的博客

opencv版本： vector keypoints; SimpleBlobDetector::Params params; params.filterByArea = true; params.minArea = 2; params.maxArea = 100; IplImage* img_cpu_AA = cvLoadImage(path_image[INTERVAL_IMAGE

YOLO开源链接：https://pjreddie.com/darknet/yolo/yolo应用于实时目标检测yolo的优势：1 在硬件支持的前提下，实时视频处理延迟小于：25ms（基于YOLO：45fps  基于TINY_YOLO：150fps）                   2 全范围的图像预测                   3 网络层学习归纳能力比较强，稳定

针对动态航拍视频中运动小目标的检测方法：先上框架图，通过序列图像间隔多帧求的SIFT全局特征点，利用K-D树做相似性检索，再通过RANSAC点配准得到全局运动矢量，进而得到差分累积图像（不再赘述）。之后通过，卡尔曼点跟踪目标。

参考博客：http://m.blog.youkuaiyun.com/qq_15947787/article/details/55260002简介实现对动态背景下运动目标检测方法硬件配置：win7_x64 + i3-4170软件配置：vs2015 + opencv2.4.9（Release version）注意点：opencv包是release版本，Release版本是没办法debug就会一

作者：YaqiLYU链接：https://www.zhihu.com/question/26493945/answer/156025576来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。相信很多来这里的人和我第一次到这里一样，都是想找一种比较好的目标跟踪算法，或者想对目标跟踪这个领域有比较深入的了解，虽然这个问题是经典目标跟踪算法，但事实上，可

一、 图像金字塔图像金字塔是一种以多分辨率来解释图像的结构，通过对原始图像进行多尺度像素采样的方式，生成N个不同分辨率的图像。把具有最高级别分辨率的图像放在底部，以金字塔形状排列，往上是一系列像素（尺寸）逐渐降低的图像，一直到金字塔的顶部只包含一个像素点的图像，这就构成了传统意义上的图像金字塔。获得图像金字塔一般包括二个步骤：1. 利用低

参考文章：封装yolo-windows为动态链接库这篇文章主要cuda和opencv的安装做一些记录：配置：win10_x64+GTX970CUDACUDA 依次选择【Windows】-【x86_64】-【win10】-【exe[local]】cuda7.5 : cuda_7.5.18_win10cuda8.0 : cuda_8.0.44_win10第一点：

传统的目标检测任务主要通过人工提取特征模型建立，常用的特征包括：HOG、SIFT、Haar等，特征提取模型之后进行支持向量机或者Adaboost的分类任务，进而得到我们所关注的目标结果。由于特征模型的局限性，我们引入卷积特征，也就是经过卷积神经网络得到的特征信息，包括浅层信息和深层信息，浅层信息指的是：前级的卷积层得到的特征图，感受野更加关注的是图像细节纹理等特征。深层信息包括：后级的卷积层卷积得到的特征图信息，在语义语境方面更加抽象的高层信息。人工神经网络是根据大脑神经突触联接的结构进行信息处理的数学模型

初始检测得到运动目标中心坐标点P（x，y）、宽度width、高度height和pt1和pt2坐标点信息。第1步： n1 = sift_features(image, &feat1,1,pt1,pt2 ); 计算目标区域扩大一点，再计算其特征点描述信息。             具体区域大小：                 n=1/pow(2.0,o);                 a...