朗云星空

最近在看《Beyond Bags of Features: Spatial Pyramid Matching for Recognizing Natural Scene Categories》，做一点研究记录。一般如果之前没有这方面的基础，直接看英文原著非常难懂，因为作者写这篇文章有很多基础性知识。个人的一个经验是先国内搜一下这方面的中文资料，有了基本认识后再对照着原著看。首先了解一下BO

原著：《Patch-based Probabilistic Image Quality Assessment for Face Selection and Improved Video-based Face 》这篇论文主要思想是将人脸分成许多8×8的小block，作者认为每个block代表脸上不同部分，分别提取block的前三个交流分量，然后在feret的fa标准人脸上进行统计出均值和协方差，然后

论文：《基于强边缘宽度直方图的图像清晰度指标.pdf》实现：#include #include #define mydebug#define testusing namespace cv;namespace ImageUtil {float getImageQuality_patchbased(cv::Mat& m,int patchsize,int overlap

opencv meanshift给定任意一组观测数据或数据采样值，估计出样本的分布。无参数密度估计，它对数据分布规律没有附加任何假设，而是直接从数据样本本身出发研究数据分布特征，对先验知识要求最少，完全依靠训练数据进行估计，而且能处理任意的概率分布。例如：直方图法，最近邻域法，核密度估计方法。有参数密度估计：高斯统计模型。更形象的说明：已经有N

经常需要对图像的某一部分进行操作，这就牵涉到怎么遍历这一部分，最直接的方法就是创建一个mask图像，目标区域为255，非目标区域为0。这里主要介绍一种从多边形创建mask的方法。下面上代码：/** create_mask.cpp** Author:* Siddharth Kherada ** This tutorial demonstrates how to make ma

一般的人脸识别应用通常都包括三个过程：1 人脸detect，这一步主要是定位人脸在图像中的位置，输出人脸的位置矩形框2 人脸shape predictor，这一步主要是找出眼睛眉毛鼻子嘴巴的68个定位点3 人脸对齐alignment，这一步主要是通过投影几何变换出一张标准脸4 人脸识别，这一步主要在对齐的人脸图像上提取128维的特征向量，根据特征向量间的距离来进行判断识别。

最近在看论文《Histograms of Oriented Gradients for Human Detection》，是05年提出来的，opencv中对应的实现源码放在modules/objdetect/srchog.cpp里。在这里做个记录。首先说一下最基本的流程，如下图（原图http://www.cnblogs.com/tornadomeet/archive/2012/08/15/26

最近在研究camera的驱动，经常会看到camera IC输出格式为RGB，YUV/YCrCb，我非常不明白的一个概念就是YUV和YCrCb到底有什么区别？或者说他们是否是同一个概念，只是别名不同而已，因此我在网上搜索了很久，终于得到了一个比较满意的答案。原文地址：http://forum.eepw.com.cn/thread/84775/1问题1：什么是YUV？问