一只在cv道路上爬行的小乌龟~

光流是空间运动物体在观测成像平面上的像素运动的“瞬时速度”，根据各个像素点的速度矢量特征，可以对图像进行动态分析，例如目标跟踪。• 亮度恒定：同一点随苕时间的变化，其亮度不会发生改变。• 小运动：随巷时间的变化不会引起位置的剧烈变化，只有小运动情况下才能用前后絞间单位位罝变化弓I起的灰度变化去近似灰度对位置的偏导数。• 空间一致：一个场景上邻近的点投影到图像上也是邻近点，且邻近点速度一致。因为光流法基本方程约束只有一而要求x, y方向的...

背景是指在视频中长时间不变化的图像内容。背景建模分为帧差法和混合高斯模型两种。帧差法：由于场景中的目标在运动，目标的影像在不同图像帧中的位置不同。

资源：多目标追踪opencv项目实战（对视频处理+鼠标交互+python实现+原理+实验报告）蓝色框框为正在选取目标，绿色的为已经选取的目标。按s进行鼠标选目标，按空格键继续可供选择的算法参数：KCF全称为KernelCorrelation Filter 核相关滤波算法。相关滤波算法算是判别式跟踪，主要是通过核相关滤波器使用给出的样本去训练一个判别分类器，判断跟踪到的是目标还是周围的背景信息。主要使用轮转矩阵对样本进行采集，使用快速傅里叶变化对算法进行加速计算。相关滤波器是根据之前的MOSSE算法改进的

Deep Residual Learning for Image Recognition基于深度残差学习的图像识别摘要1 引言（Introduction）2 相关工作（RelatedWork）3 Deep Residual Learning3.1 残差学习（Residual Learning）3.2 通过快捷方式进行恒等映射（Identity Mapping by Shortcuts）3.3 网络体系结构（Network Architectures）3.4 实现（Implementation）4 实验（Ex

双目视觉原理1. 双目视觉的视差与深度1.1 总览2. 视差原理2. 双目相机的坐标系2.1 针孔相机的模型2.2 四大坐标系1 像素坐标系（单位：像素（pixel））2 图像坐标系（单位：mm）3 相机坐标系（单位：mm）4 世界坐标系（单位：mm）2.3 四个坐标系之间的关系1 图像坐标系和相机坐标系2 像素坐标系和图像坐标系3 相机坐标系到世界坐标系的关系4 总的关系3. 双目相机的标定3.1 相机标定概念3.2 张正友标定法4. 畸变矫正和平行矫正4.1 径向畸变（Radial Distortion

最近加上#include <pcl/visualization/cloud_viewer.h>总是会出现C4996’pcl::visualization::PointCloudColorHandlerpcl::PCLPointCLOUD2::getColor’: use getColor() without parameters instead (It will be removed in PCL 1.12)的报错，具体解决办法如下：在代码的开头加入#pragma warning(disabl

在用vs写项目，或者你下载github上的C++代码的时候，是不是经常遇到由于找不到xxx.dll，无法继续执行代码的问题，其实很简单，解决方法如下：首先，对应于不同的运行模式，debug和release，方法都是一样的，找到你项目目录下 项目名称/x64 下的两个文件夹debug和release然后，找到你安装的库的文件夹，这里以pcl1.11.1这个库来举例，打开其中的bin目录，你会找到很多.dll文件，这些就包含你缺少的.dll文件，比如pcl_common.dll，pcl_commond

1.胶囊网络概念与理解1.1 胶囊网络概述摘抄Hinton等人的《Transforming Autoencoders》关于胶囊概念理解如下：人工神经网络不应当追求“神经元”活动中的视角不变性（使用单一的标量输出来总结一个局部池中的重复特征检测器的活动），而应当使用局部的“胶囊”，这些胶囊对其输入执行一些相当复杂的内部计算，然后将这些计算的结果封装成一个包含信息丰富的输出的小向量。每个胶囊学习辨识一个有限的观察条件和变形范围内隐式定义的视觉实体，并输出实体在有限范围内存在的概率及一组“实例参数”，实例

代码链接：数字图像处理距离变换实现（python+opencv)实验要求：1，自定义64乘64二值图，随机生成图案（像素随机置成0，1，其中1像素的数量为100个）2，按照某种距离度量，D4或D8（这里计算的是D4，即城市街区距离）3，根据二值图，计算64*64的距离矩阵，如图数字图像处理中三种常见的距离距离变换原理：在实际处理中我们要将输入图像中1全部转为0，输入矩阵中的0转为一个比较大的值，如下图：然后利用两个掩膜进行扫描，参考数字图像的距离变换算法最终得到的更新后的数组即为距

效果如下：代码链接：图像加噪与滤波处理（opencv+python）主要要求：编写Python程序实现以下功能：1、 读入一幅图像。2、 使用两种不同的方法分别向图像中添加噪声。3、 输出一幅标注噪声区域的二值图像，背景为黑色，噪声区域为白色。4、 使用三种滤波方法对上述添加了噪声的图像进行滤波处理。5、 分别保存滤波处理后的图像。相关原理均值滤波：均值滤波用其像素点的平均值代替原像素值，在滤除噪声的同时也会滤掉图像的边缘信息。中值滤波：中值滤波用该像素周围邻域像素的中值代替原像素

最近做了一个基于霍夫圆变换进行内外虹膜的分割小实验，觉得挺有意思，就记录一下，效果如下：代码链接：霍夫圆变换实现对虹膜内外圆的检测与识别主要代码：#maxRadius 设为100为外瞳孔，maxRadius 设为50为内瞳孔，不同的图片大小不一样，需要重新调整参数circles = cv.HoughCircles(img, cv.HOUGH_GRADIENT, 1, 300, param1=100, param2=20, minRadius=20, maxRadius=50)cv.Hough

代码链接：python+opencv+meanshift算法实现物体跟踪效果如下： （输入一段视频，调整代码中的 r,h,c,w 四个参数确定到水瓶的位置，你也可以输入自己的视频并尝试调整参数使得方框初始包含想要跟踪的物体）1. Mean shift算法实现原理Mean Shift算法原理其实和聚类很相似，是一个迭代的过程，即先算出当前点的偏移均值，将该点移动到该偏移均值，以此为新的起始点，继续移动，直到满足最终的条件。（1）设想在一个有N个样本点的特征空间，初始确定一个中心点center；（

rgb与hsi空间详解及其相互转化1. 彩色图像的颜色空间1.1 RGB颜色空间1.2. HSI颜色空间2. RGB颜色空间与HSI颜色空间之间的转换2.1 RGB颜色空间转换到HSI颜色空间2.2 HSI颜色空间转换到RGB颜色空间效果图： 原图----------- rgb->hsi ----------- 加入噪声后hsi->rgb实现代码：rgb图片到hsi图片并加入噪声的相互转化1. 彩色图像的颜色空间对于单色（灰度）图像而言，其每个像素的亮度用一个数值表示即可；而彩色图

代码链接：图像的增强与合成最近做了一个小实验，内容是图像的增强与合成，觉着挺有意思，记录一下。首先效果是这样的：利用Python和Opencv算法，实现下述功能：1、 准备本人在纯色背景前的照片，并且要求背景颜色与皮肤、衣服的颜色区别较大。2、 准备一张与上述人像图像大小相同的风景图片。（或者使用reshape)3、 利用图像增强算法处理人像照片，以提升照片的品质。4、 利用图像处理算法将步骤3得到的照片中背景部分置为黑色，人像部分保持不变。5、 利用图像处理算法处理风景图片，使风景图片变

分别用opencv和yolo3实现口罩佩戴的状态检测,附代码和数据集一、基于opencv实现口罩佩戴检测1.环境配置2.项目介绍3.相关源码4.相关补充二、基于yolo3实现口罩佩戴检测1. yolo3基本原理1.1 yolo3实现思路1.2 yolo3原论文翻译版1.3 yolo3教学视频2.环境配置环境的测试：3.相关源码和数据集4.用yolo3模型训练自己的数据集很多小伙伴想要数据集，补上链接，包含佩戴口罩，未佩戴口罩以及不规范佩戴口罩的图片数据及其标签，大约3000张，标签分别为：have_mas

用yolo3训练自己的数据集——口罩佩戴以及规范佩戴口罩检验前言1.数据集处理1.1 数据搜集(多途径)1.2 自己制作数据集2.图片标注2.1 图片批量命名前言本文主要阐述如何用yolo3来训练自己的模型，包含数据收集，图片标注，图片批量命名，修改代码等方面，具体yolo3环境配置和代码请参考我的上一篇博文：本文主要以口罩佩戴和口罩佩戴规范性检测为例来阐述整个过程，下面是效果展示：话不多说，咱这就进入正题……1.数据集处理1.1 数据搜集(多途径)其实做深度学习的项目难点在于数据的收集，在这

opencv下载链接：opencv下载版本：opencv-4.3.0-vc14_vc15.exe我的opencv安装在D:\vscode\config\opencv中，仅供参考添加环境变量：D:\vscode\config\opencv\build\x64\vc15\bin 到系统环境变量中visual studio配置：第一步：选择x64，别选x86第二步：项目名->右键点击属性在vc++目录->包含目录 编辑并添加：D:\vscode\config\openc