靈飛

【原文：http://blog.youkuaiyun.com/antter0510/article/details/20564627】在阅读的过程中主要参考tornadomeet的博文，在这里表示感谢。同时在阅读的过程中也发现了其中的一些不足，在我的注释中会一一指出。由于本人能力有限，对源代码的理解还存在不足，比如usecache部分，还有weight的计算过程都没有进行深究。由于代码本身过长，所以会

SVM（支持向量机）是机器学习算法里用得最多的一种算法。SVM最常用的是用于分类，不过SVM也可以用于回归，我的实验中就是用SVM来实现SVR（支持向量回归）。    对于功能这么强的算法，opencv中自然也是有集成好了，我们可以直接调用。OpenCV中的SVM算法是基于LibSVM软件包开发的，LibSVM是台湾大学林智仁(Lin Chih-Jen)等开发设计的一个简单、易于使用和快速有效

转载： http://www.cnblogs.com/liu-jun/archive/2013/03/24/2979648.html?utm_source=tuicool&utm_medium=referralOpenCV（计算机视觉库）2.4.4版本已经发布了，OpenCV发展到现在，由最初的C接口变成现在的C++接口，让开发者写程序越来越简单，接口越来越合理，也不用担心内存释放问题。但

智能指针类引用计数智能指针(smart pointer)的一种通用实现技术是使用引用计数(reference count)。智能指针类将一个计数器与类指向的对象相关联，引用计数跟踪该类有多少个对象的指针指向同一对象。引用计数为0时，删除对象。其基本使用规则是： 每次创建类的新对象时，初始化指针并将引用计数置为1。当对象作为另一对象的副本而创建时，复制构造函数复制指针并增加与之相

本文转载自： http://blog.youkuaiyun.com/wuxiaoyao12/article/details/48088999上图显示的参数，大多与opencv_traincascade.exe的输入参数已知。其中maxCatCount和featSize定义如下        maxCatCount：int maxCatCount; // 0 in case of n

转载：http://www.aichengxu.com/view/1501260前一篇文章分析了OpenCV级联分类器结构，即“强分类器串联，弱分类器并联”，这一节我们来聊聊一些非常必要但是又容易人忽略的细节：如何利用并查集合并检测结果窗口。-------------------------------------------在上一篇文章中，我曾提到：级联分类器通过移动检测窗口

前一篇文章分析了Haar特征，包括Haar特征生成、特征值计算和含义。这一篇则主要分析一下2个内容：      1. OpenCV中的Adaboost级联分类器的结构，包括强分类器和弱分类器的形式；      2. OpenCV自带的XML分类器中各项参数的含义，如internalNodes和leafValues标签里面的一大堆数字的意义。缩进下面进入正题。--------

转载自：  http://www.aichengxu.com/view/1501258      最近由于工作原因，需要研究OpenCV中的Adaboost级联分类器。我阅读了OpenCV中所有相关得代码，包括检测和训练部分，发现目前OpenCV中的Adaboost级联分类器代码有以下2个特点：1.OpenCV代码中的实际算法与Paul.Viola论文中的原始算法差异很大。

转载： http://blog.youkuaiyun.com/yanzi1225627/article/details/7687310背景：现在有CvMat类型的矩阵n个，每个矩阵都是1*m的行向量，也即每个CvMat代表一个样本的特征向量。现在需要申请一个n*m, 即n行m列的矩阵， 每一行表示一个样本的特征向量，特征向量的维数为m。此问题也就是纠结我多天的矩阵合并问题。

1. 关于OpenCV进阶之路前段时间写过一些关于OpenCV基础知识方面的系列文章，主要内容是面向OpenCV初学者，介绍OpenCV中一些常用的函数的接口和调用方法，相关的内容在OpenCV的手册里都有更详细的解释，当时自己也是边学边写，权当为一种笔记的形式，所以难免有浅尝辄止的感觉，现在回头看来，很多地方描述上都存在不足，以后有时间，我会重新考虑每一篇文章，让成长系列对基础操作的介绍

//#include"stdafx.h"#include#include "opencv2\opencv.hpp"#include "windows.h"#include "fstream"#include #include#include#include#include#ifdef HAVE_IPP#include "ipp.h"#endif using

函数作用：进行多尺度目标检测函数接口   void HOGDescriptor::detectMultiScale(    const Mat& img, vector& foundLocations, vector& foundWeights,    double hitThreshold, Size winStride, Size padding,    double scale0,

最近在做图像拼接项目，原打算用大众化的sift点匹配然后拼接。发现sift算法运算量巨大，不能满足拼接的实时要求，同时特征点法需要不同程度的干预（比如，需要随机抽样来删选优质的匹配点对），不满足自动匹准的要求。最后，只得尝试着用基于区域匹配的方法。          基于区域的方法其实就是模板匹配了，opencv已经为我们提供函数:void cv::matchTemplate( I