drippingstone的博客

光流的概念是指在连续的两帧图像当中，由于图像中的物体移动或者摄像头的移动而使得图像中的目标形成的矢量运动轨迹叫做光流。本质上光流是个向量场，表示了一个像素点从第一帧过渡到第二帧的运动过程，体现该像素点在成像平面上的瞬时速度。而当我们对图像当中每一个像素点都赋予一个速度矢量时，就形成了一个图像运动场。这个图像运动场可以表示出某一特定时刻，图像上所有像素点的瞬时相对运动关系。当图像中所有的像素点没有瞬时相对运动时，其矢量场是连续变化的，也就是说光流矢量在整个图像区域是连续变化的。而当图像中某些像素点与其他像素

背景差分法是传统运动目标检测算法中最常用的方法。其基本原理如图所示。从图中可知，背景差分法是通过建立背景模型，比较当前帧与背景模型对应像素的差异点来检测运动目标的方法。背景模型的建立主要通过两种方式：一种是选取一帧不含运动目标的图像作为背景模型；另一种是通过建立数学模型表示背景。第一种简单方便，但是在背景也有变化的场景中准确率不高，例如波动的水面、摇曳的树叶、漂浮的云或烟雾、室内灯光突然打开或熄灭等情况；而通过建立数学模型表示背景相对来说学术性更强一些，需要借助数学工具按照背景元素运行的特性来构建模

OpenCV提供了强大的图像处理功能，与Python的结合堪称完美。。。这一次，我们来试一下运动目标的检测与跟踪。。。先上源码：源码呈现源码是从网上找的，原作者写的很精炼，分析的也好，就是没有逐句分析，所以我们先上源码，再分析：import cv2import numpy as np camera = cv2.VideoCapture(0)if (camera.isOpened()): print('摄像头成功打开')else: print('摄像头未打开')size = (i

Python语言提供了Socket套接字来实现网络通信。Python的应用程序通常通过Socket"套接字"向网络发出请求或者应答网络请求，使主机间或者一台计算机上的进程间可以通讯。服务器和客户端的源代码先上代码：服务器端：#coding=utf-8#创建TCP服务器import socketimport timefrom time import ctimeHOST = '127.0.0.1'PORT = 8080BUFSIZ=1024sock = socket.socket(

先上实例：题目：求100之内的素数。素数就是只能被1和本身整除的数值，这是一个关于python中数字(Number)类型的小实例。。。先上源码：#!/usr/bin/python# -*- coding: UTF-8 -*-# 用户输入数据lower = int(input("输入区间最小值: "))upper = int(input("输入区间最大值: "))# 求解过程for num in range(lower,upper + 1): # 素数大于 1 if num

本例题目选自runoob.com经典100例,吃透这些例程,python的基础知识就基本掌握了,一起加油吧…题目：输入某年某月某日，判断这一天是这一年的第几天？程序分析：以2021年10月1日为例，应该先把前九个月的加起来，然后再加上1天即本年的第几天，特殊情况，闰年且输入月份大于2时需考虑多加一天直上代码#!/usr/bin/python3# coding: utf-8year = int(input('请输入年份:'))month = int(input('请输入月份:'))day =

再来一段程序吧。。。依旧小小小的很。。。新建程序并解释在Jupyter Notebook中新建一个python文件，输入以下语句，逐一执行。。。在以上语句中，除行标可能与图中不同外，其他应该一致。。。然后从菜单File——Download as——Python（.py)中导出py文件（前一节有详细的说明，如不会，请查看入门（二））。例如文件起名test.py,存在E盘。然后用记事本打开，除空行外，语句列如下：第1行：#!/usr/bin/env python第2行：# coding: ut

Anaconda安装好了，那么就可以开始Python的编程了，我们用Jupyter Notebook作为执行环境吧。。。简单方便。。。走起。。。Jupyter Notebook的简单介绍Jupyter Notebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算：开发、文档编写、运行代码和展示结果。———官方介绍。。。这个工具在我们安装Anaconda时就安装好了，所以直接拿来就用，从系统菜单中找到Anaconda，在其下就可以找到Jupyter Notebook工具，单击，中间闪过启动

人生苦短，我用Python，相比C++、Java等开发语言，Python给大多数人的感觉都是入手容易啊。。。同时它又是数据分析，智能运算的利器，所以学的人。。。用的人。。。，你懂的。。。那么，让我们一起开始Python之旅吧。。。当然，先从最简单的开始。。。1.先上一个工具——AnacondaAnaconda ，作为Python的免费增值开源发行版，可以用于进行大规模数据处理、预测分析，和科学计算，致力于简化包的管理和部署。Anaconda使用软件包管理系统Conda进行包管理，简单方便。。。2

上一次把前期都作完了，下面可以开始制作了。。。。先来看看源码吧。。。。检测算法源码初探打开opencv_dnn_infer.py文件，我们可以初步看一下程序是如何执行的。。。if __name__ == "__main__": parser = argparse.ArgumentParser(description="Face Mask Detection") parser.add_argument('--proto', type=str, default='models/face_m

本文介绍的是利用网上开源的配带口罩检测算法，结合IMX6ULL的USB摄像头制作一个小系统。首先向开源团队致敬，这个太强了，一共包括了大概有六七种检测方式，每一种识别率就很高，棒棒的！！！源码下载源码地址：https://gitee.com/mirrors/FaceMaskDetection#tensorflowkerasmxnetcaffe网页展示：在下图红框处单击，可下载源码：源码运行主页上给出了七种模型和运行方式。所以我们要想运行时，首先需要安装相应的执行环境，这七种的环境各异，请自