- 博客(95)
- 收藏
- 关注
RSS订阅原创 PiscCode基于 YOLO 的人员分割 + PPE 检测绑定：一种工程级安全合规判定方案
本文提出了一种工业场景下个人防护装备(PPE)合规检测的实用方案，通过YOLO分割模型获取人员精确区域，结合检测模型识别PPE，采用三阶段绑定策略：1）BBox-Mask IoU计算几何归属概率；2）Mask内多点采样作为容错机制；3）中心点落入人框兜底策略。该方案具有生产级优势：使用分割而非bbox猜测，多策略绑定鲁棒性强，实时性好且易扩展，能准确判断安全帽等PPE是否佩戴在对应人员身上，并输出合规/不合规的可视化结果，适用于工地、工厂等工业安全监控场景。
2025-12-25 20:57:45
1001
原创 YOLO + MediaPipe在PiscCode 构建“NPC 化”的多脸感知系统
本文提出了一种实时人脸检测与状态分析系统，通过结合YOLO和MediaPipe实现多人脸检测与语义分析。系统采用分层架构：YOLO负责多人脸检测和追踪，MediaPipe处理单张人脸的关键点、表情和朝向信息，最后通过游戏化HUD界面直观展示NPC状态（包括置信度血条、头部朝向和表情）。创新性地解决了MediaPipe固定人脸数量的限制，通过ROI裁剪实现多人脸处理。系统支持稳定追踪（track_id关联固定颜色）、语义级状态分析（如眨眼、张嘴）和可视化展示，适用于互动系统、虚拟人等场景。文章还提供了完整的工
2025-12-24 20:25:59
946
原创 YOLO + MediaPipe 在PiscCode上解决多脸 Landmark 中「人脸数量固定」的问题
摘要：本文提出了一种解决MediaPipe人脸关键点检测在多脸场景下限制的创新方案。针对MediaPipe必须固定人脸数量的结构性问题，采用YOLO+MediaPipe双层架构：YOLO负责动态检测多脸并跟踪，MediaPipe专注单脸精细landmark处理。通过ROI裁剪和坐标映射实现精准检测，并采用基于track_id的稳定着色方案提升可视化效果。该方案突破了原始限制，实现了性能稳定、结构清晰的工程化解决方案，为后续表情分析、头部姿态等扩展功能奠定了基础。
2025-12-24 19:59:05
719
原创 PiscCode实现用 YOLO 给现实世界加上「NPC 血条 HUD」
本文提出了一种创新的目标检测可视化方法，摒弃传统检测框，采用游戏风格的NPC HUD显示。该方法基于YOLO模型检测结果，在目标上方绘制包含三要素的HUD：血条（置信度作为HP）、类别名称和百分比。HUD会自动避开画面边界，支持实时视频处理。相比传统检测框，这种可视化方式更具游戏感和艺术性，适用于AI演示、直播互动和装置艺术等场景。文章提供了完整的Python实现代码，使用Ultralytics YOLO框架，可自定义血条颜色和文本显示。未来可扩展为真血量系统、状态特效等进阶功能，将YOLO转化为游戏特效引
2025-12-23 20:13:01
697
原创 用 YOLO Pose + Segmentation 在PiscCode构建“语义佛光”：一次实时视觉语义融合实验
本文提出了一种基于YOLOPose和Segmentation模型的语义驱动视觉增强方法。通过结合人体分割掩码、关键点骨架和径向衰减模型，构建了具有真实语义基础的佛光效果。系统采用双模型并行架构，保持姿态估计与分割的语义独立性，通过精确处理掩码数据、真实骨架拓扑和动态半径计算，实现了从语义到视觉的自然转换。核心创新在于将深度学习模型的中间语义直接转化为视觉元素，而非简单叠加特效。该方法强调"语义控制表现"的设计理念，为实时视觉系统提供了新的表现力扩展思路，展示了将模型语义作为视觉语言使用的
2025-12-23 19:35:17
1022
原创 用 YOLO 分割掩码在PiscTrace内做一个「会被戳爆的泡泡」交互特效
本文介绍了一个基于YOLO实例分割的实时交互实验，通过将分割掩码作为交互边界，实现泡泡碰撞检测效果。文章详细阐述了YOLO实例分割的优势，包括像素级精度和天然的交互边界特性。系统设计分为YOLO分割、碰撞区域和泡泡物理系统三部分，核心思路是将深度学习输出转化为可交互数据结构。重点讲解了泡泡系统的物理模拟、碰撞检测机制和视觉表现优化，展示了这种"CV+轻物理+特效"模式在互动展示、教育等场景的应用潜力。该实验证明深度学习输出可以成为交互系统的一部分，为实时交互体验提供创新思路。
2025-12-22 09:00:00
803
原创 用 YOLO 分割在PiscTrace快速实现「掉魂残影」效果：让画面拥有时间感
本文介绍了一种基于YOLO实例分割的实时视觉特效实现方法，能够为移动物体创建逐渐消散的"灵魂残影"效果。相比传统实现方式，该方法利用YOLO分割掩码精准提取前景，通过时间队列(deque)保存历史帧，并按时间顺序进行透明度递减叠加，解决了传统方法中背景拖影、画面变脏等问题。核心优势包括：只保留前景、背景干净、实时性强、计算简单。该特效框架可扩展性强，能实现彩色残影、模糊发光等多种视觉效果，适用于游戏、MV等场景，展现了将实时识别与时间维度结合的创新思路。
2025-12-22 08:00:00
1199
原创 PiscCamera：将Android手机化身为在线摄像设备
PiscCamera是一款Android应用，可将手机摄像头转为标准MJPEG网络视频流源，支持机器视觉开发。核心功能包括前后摄像头切换、30ms帧率控制、HTTP协议传输和多客户端并发访问。其技术架构基于CameraX图像采集和HTTP服务器分发，兼容主流浏览器及编程工具如OpenCV、FFmpeg。作为PiscTrace/PiscCode的配套工具，它简化了移动端视频采集流程，适用于工业检测、教育研究等多种场景，具有资源优化和稳定连接的特点。通过标准化的网络流协议，为机器视觉工作流提供了灵活高效的移动端
2025-11-13 19:28:07
957
原创 PiscCode光流方向分析技术:从像素运动到语义理解
本文提出了一种创新的光流方向分析方法，通过多层次可视化技术提高运动模式理解能力。系统采用四联图展示：原始帧、速度伪色图、方向色相亮度图及极坐标方向分布图。关键技术包括：基于角度聚类和连通组件的区域分割、消失点估计的全局运动分析、HSV色彩空间的方向编码等。实验表明，该方法能有效识别交通流主导方向、检测逆行车辆、分析人群运动模式。优化策略如快速角度计算和网格化方向统计保证了实时性。该技术在自动驾驶、视频监控等领域具有应用价值，未来可结合深度学习进一步提升3D运动分析能力。
2025-10-23 03:00:00
1185
原创 PiscCode：从像素运动到视觉分块 —— 稠密光流分块分析与可视化全解析
本文介绍了一种基于稠密光流的四联图可视化方法，用于视频运动分析。该方法通过Farneback算法计算像素级运动向量，将光流幅值映射为伪彩色速度图，并基于方向一致性进行区域分块。系统输出四联图包含：原始帧、速度图、方向分块图和分块叠加图，可直观展示运动结构。关键参数包括幅值阈值、角度误差和最小区域面积，适用于交通分析、人群监测等场景。文章详细阐述了算法原理、实现步骤和应用案例，并提供了Python代码示例，为视频运动分析提供了一套完整的可视化解决方案。
2025-10-23 00:45:00
874
原创 PiscCode基于MediaPipe目标检测与智能轨迹实现空间热力分析
本文介绍了一个基于MediaPipe框架的智能目标检测与轨迹分析系统，采用EfficientDet-Lite0轻量级模型实现移动端实时检测。系统创新性地采用四联屏可视化界面，集成了目标检测、多目标跟踪（基于IOU的匈牙利匹配算法）、高斯核密度估计热力图分析等功能模块。通过优化计算效率和内存管理，系统可应用于智能安防、零售分析、交通监控等场景，展示了边缘计算在实时视觉分析中的应用潜力。未来可通过集成ReID模型、3D重建等技术进一步增强系统性能。
2025-10-22 09:45:00
2072
原创 PiscCode粒子滤波算法深度解析：从理论到实践的四联屏可视化系统
本文详细解析了粒子滤波算法及其可视化系统实现。该系统通过四联屏实时展示粒子滤波的预测、更新、重采样等核心步骤，包括跟踪显示、分布热力图、性能指标和覆盖度分析。算法采用蒙特卡洛采样处理非线性非高斯系统，通过状态传播、权重计算和重采样实现目标跟踪。系统还包含性能优化策略和参数调优指南，支持多目标跟踪和传感器融合扩展。实验表明，该系统在200粒子规模下可实现30-50FPS处理速度，跟踪精度达90-98%，为理解和应用粒子滤波提供了直观工具。未来可结合深度学习优化建议分布设计。
2025-10-22 05:00:00
921
原创 PiscCode多模态人体分析系统:MediaPipe与YOLO的完美融合
本文提出了一种基于MediaPipe和YOLO的多模态人体分析系统，通过集成两大框架的优势实现全面的人体行为理解。系统采用YOLOv11-seg模型进行实时实例分割，结合MediaPipe的BlazePose、手部和面部关键点检测，构建了包含姿态估计、手势识别、面部检测和实例分割的多功能分析平台。创新性地设计了四屏可视化界面，支持原始画面、骨架分割、骨架叠加和纯分割视图的同步展示。系统采用模块化设计，通过并行推理和结果融合实现了高效的多模型协同工作，并开发了基于运动学和接触检测的行为识别算法。该技术可广泛应
2025-10-21 07:00:00
1070
原创 PiscCode：基于背景减除的实时运动物体检测与计数系统技术详解
本文介绍了一个基于传统计算机视觉技术的实时运动物体检测与计数系统。系统采用混合高斯背景建模(MOG2)算法进行背景减除，结合形态学处理消除噪声，通过轮廓分析和质心计算实现物体检测。创新性地设计了网格化ID机制进行物体标识与去重，并包含可视化调试功能。该系统具有计算效率高、无需大量训练数据等优势，适用于室内人流统计、交通监测等多种场景。文章详细解析了算法实现、参数优化和性能调优策略，为传统计算机视觉在运动分析中的应用提供了完整范例。
2025-10-21 06:30:00
1714
原创 PiscCode:多模型YOLO实时分析与轨迹追踪：计算机视觉的终极集成方案
本文介绍了一种创新的多模型YOLO集成系统YOLOsClassObject，它能够同时运行姿态估计、实例分割和目标检测三种YOLO模型，实现实时目标追踪和可视化分析。系统采用分层渲染策略，自动识别模型类型，并为每个追踪目标分配唯一ID避免混淆。通过智能轨迹管理和内存优化设计，系统支持实时处理视频流，在智能安防、体育分析、人机交互等领域具有广泛应用。文章还提供了性能优化建议和扩展方向，展示了多模型协同工作的优势，为复杂计算机视觉应用开发提供了高效解决方案框架。
2025-10-20 02:00:00
1110
原创 PiscCode实现多模型YOLO的实时视觉分析系统：实现姿态估计、实例分割与目标检测
本文详细解析了基于YOLO的多模型实时视觉分析系统架构，通过"多模型协同、分层渲染、轨迹持续"设计理念实现高性能视觉感知。系统采用模块化类结构设计，支持GPU加速推理和动态模型管理，可自动识别分类模型类型。关键技术包括分层轨迹存储、跨模型隔离管理、分层渲染（掩码/骨架/轨迹）和并行推理架构。通过内存优化、计算效率提升等策略确保系统性能，提供灵活扩展接口支持新模型和可视化样式定制。典型应用场景包括智能健身教练和安防监控系统，展现了系统在实时计算机视觉应用中的强大能力。
2025-10-20 00:30:00
1673
原创 PiscCode:基于OpenCV的前景物体检测
本文介绍了基于OpenCV的前景物体检测技术，重点分析了MOG2和KNN两种经典算法。通过ForegroundOnly类实现了完整的前景检测流程，包括高斯模糊降噪、背景建模、形态学优化和区域过滤等关键步骤。文章详细讨论了参数调优策略，如history、varThreshold等参数对检测效果的影响，并针对实际应用中的光照变化、阴影检测等挑战提供了解决方案。该技术可广泛应用于智能监控、视频会议等场景，为计算机视觉应用提供基础支持。
2025-10-04 12:38:59
1240
原创 PiscCode使用YOLO识别超大分辨率高清视图实践
YOLOHD创新性地采用分块策略解决高分辨率图像中小目标检测难题。该方案通过智能分块将大尺寸图像分解为可管理的小分块，在保持YOLO高效特性的同时显著提升检测精度。核心技术包括：三级分块策略覆盖不同尺度目标、基于时序的ROI分块增强视频跟踪、置信度补偿机制提升小目标识别率。相比传统方法，YOLOHD在小目标检测能力、多尺度适应性等方面具有明显优势，适用于卫星遥感、医疗影像、工业检测等多个领域。这种分而治之的思路为高分辨率图像处理提供了有效解决方案。
2025-10-04 10:49:54
1061
原创 PiscCode实现MediaPipe的手势识别技术详解
MediaPipe框架的手势识别系统实现方法。该系统能够识别中国数字手势1-9、石头剪刀布以及OK手势，通过检测手部21个关键点并分析手指状态实现手势分类。文章详细阐述了系统架构、关键算法原理（包括手指伸直判断和手势逻辑定义）以及提高系统稳健性的优化策略（如相对位置判断、阈值优化等）。代码实现展示了如何利用MediaPipe的HandLandmarker模型进行手部关键点检测和可视化，并提供了完整的手势识别逻辑。
2025-09-07 07:22:14
1035
原创 PiscCode构建Mediapipe 手势识别“剪刀石头布”小游戏
基于Mediapipe和Python的实时手势识别"剪刀石头布"小游戏实现方案。系统通过摄像头捕捉手势，利用Mediapipe检测手部关键点，并通过手指伸直状态判断"石头"、"剪刀"、"布"和"OK"手势。游戏逻辑包括：玩家出示OK手势重置游戏，展示R/P/S手势时与电脑随机出拳比对胜负，并在画面上实时显示手部关键点、手势文字和游戏结果。该系统主要依赖Mediapipe、OpenCV和Nu
2025-09-07 07:08:03
939
原创 PiscCode使用 Mediapipe 实时人脸表情识别与可视化
基于Mediapipe FaceLandmarker实现实时人脸表情识别的方案。项目通过摄像头捕捉人脸，利用Mediapipe检测面部关键点并计算表情概率，最终在画面上绘制人脸网格轮廓和识别出的显著表情（如Happy/Neutral）。核心功能包括：1）加载预训练模型检测人脸关键点；2）绘制面部三角网格、轮廓和虹膜；3）分析blendshapes数据获取最显著表情；4）实时显示处理结果。该项目依赖mediapipe、opencv和numpy库，适用于人机交互、虚拟主播等场景，代码简洁高效，可直接运
2025-09-06 18:40:24
440
原创 PiscCode基于二维码特性的实时视图透视矫正
基于QR码特性的实时视图矫正技术。利用QR码独特的定位图案和几何稳定性，通过OpenCV检测其四个角点坐标，计算透视变换矩阵将倾斜图像转换为正面视角。系统包含QR码检测、可视化反馈和透视变换三个核心模块，可准确估算二维码尺寸并实现高效矫正。该技术在工业检测、文档扫描、增强现实和机器人导航等领域具有广泛应用前景。
2025-09-06 14:25:05
666
原创 PiscCode基于MediaPipe的实时多模态人体关键点检测与行为识别分析
基于MediaPipe的多模态人体行为识别系统，该系统整合了姿势、手部和面部三个关键点检测模型，能够实时识别眨眼、手势、肢体动作等复杂行为。系统采用并行处理架构，通过优化算法确保计算效率，并支持三屏可视化界面显示。关键技术包括基于眼睛纵横比的眨眼检测、关节角度计算的肢体弯曲识别，以及手部-面部距离测量的触摸动作检测。该系统可广泛应用于人机交互、健康监测、安全监控等领域，具有全面性、实时性和可扩展性等优势。文章还探讨了系统面临的技术挑战及解决方案，并提出了结合深度学习和多模态融合的未来扩展方向。
2025-09-06 11:37:43
1145
原创 PiscCode轨迹跟踪Mediapipe + OpenCV进阶：速度估算
基于Mediapipe和OpenCV的实时目标检测与跟踪系统FrameObjectTrackerWithSpeed，该系统集成了目标检测、轨迹跟踪和速度计算功能。系统采用Mediapipe的轻量级检测模型实现高效目标识别，通过IoU匹配算法进行目标跟踪，并利用历史轨迹点的时间空间信息计算瞬时速度。
2025-09-05 20:48:15
1144
1
原创 PiscCode基于 Mediapipe 实现轨迹跟踪
采用Mediapipe的EfficientDet-Lite模型进行目标检测，结合IoU匹配算法实现目标跟踪，并通过OpenCV完成轨迹绘制和可视化。系统包含目标检测器和轨迹管理器两个核心模块，能够为每个检测目标分配唯一ID并记录其运动轨迹。实验结果表明，该方法在保持轻量化的同时，能够有效实现视频监控、交通分析等场景下的目标跟踪需求。文章详细介绍了系统架构、代码实现及优化思路，并探讨了可能的改进方向，如引入匈牙利算法、卡尔曼滤波器等更高级的匹配策略。
2025-09-05 19:54:36
733
原创 PiscCode：光流法统计像素运动速度
本文介绍了一个基于OpenCV和Python的实时光流分析系统，采用Farneback稠密光流算法实现运动检测。系统功能包括：实时计算视频帧间运动向量、生成运动热力图（使用INFERNO色彩映射）、以及提供均值/中位数/众数等统计分析。通过deque数据结构存储历史数据，系统还能展示运动幅值分布直方图和统计趋势图。该系统适用于安防监控、体育分析、交通管理等多个领域，具有实时处理、可视化呈现和可扩展性强等特点，为计算机视觉中的运动分析提供了完整解决方案。
2025-08-25 08:06:25
586
原创 PiscCode基于YOLO兴趣点优化光流跟踪
摘要：本文介绍了一种融合深度学习与计算机视觉技术的动态环境实时分析系统。该系统采用分层架构，结合YOLO分割模型、Shi-Tomasi角点检测和Lucas-Kanade光流法，实现多目标检测、跟踪和运动分析。系统通过统计方法进行异常检测，维护历史轨迹，并生成可视化统计图表。该技术可应用于智能交通、安防监控、工业自动化等多个领域，具有实时性、准确性及自适应对象管理等优势，展现了深度学习与传统算法融合的实用价值。
2025-08-25 08:05:10
925
原创 PiscCode使用 MediaPipe 检测人脸关键点多样展示
本文介绍基于MediaPipe FaceLandmarker实现的人脸关键点检测系统，通过四宫格展示468个关键点的四种可视化效果：原始帧、点位覆盖、网格连接和脸部抠出。系统利用MediaPipe高效模型实现实时检测，支持表情系数和3D姿态估计，可应用于AR滤镜、表情识别、虚拟试妆等场景。核心代码解析了关键点绘制、网格生成和凸包抠图等关键技术，并提供了完整的Python实现框架，为计算机视觉开发者提供了一套直观的人脸分析工具。
2025-08-22 21:46:54
919
原创 PiscCode稠密光流的全面可视化分析——以水体径流为例
基于OpenCV Farneback算法的稠密光流分析与可视化实现。主要内容包括：1）光流技术原理及分类（稠密/稀疏光流）；2）DenseOpticalFlow类实现的功能，涵盖运动计算、热力图生成、速度/方向/一致性等统计指标；3）核心算法解析，包括光流计算、运动分析及可视化展示方法；4）应用场景如交通监测、行为识别等。该方案通过实时统计面板和热力图对比，将低层像素运动转化为高层次视频理解工具，为开发者提供全面的运动特征分析能力。
2025-08-22 20:18:26
844
原创 PiscCode基于 Mediapipe 的人体多模态关键点检测与可视化系统 —— HumanMultiLandmarker 深度解析
PiscC基于Google Mediapipe Tasks API的HumanMultiLandmarker类，这是一个融合人体姿势、手部和面部关键点检测的多模态系统。该系统通过三个预训练模型（PoseLandmarker、HandLandmarker、FaceLandmarker）实现33个全身关键点、21个手部关键点和478个面部关键点的实时检测，并采用三屏对比方式展示原始画面、骨架点线图和骨架叠加图。这种多模态建模可应用于智能健身、人机交互、虚拟现实和医疗康复等领域，提供更完整的人体动作分析和交互体验
2025-08-21 20:59:59
1252
原创 PiscCode实现MediaPipe 的人体姿态识别：三屏可视化对比实现
本文介绍了一个基于MediaPipe PoseLandmarker的人体姿态识别三屏对比系统。该系统通过以下步骤实现：1）初始化MediaPipe姿态检测模型，配置33个关键点检测；2）定义关键点颜色方案，区分不同身体部位；3）核心功能包括绘制骨架连线、关键点标记；4）最终输出三屏对比画面：左侧原始图像、中间纯骨架图、右侧骨架叠加图。该系统可直观展示姿态识别效果，便于调试和演示，适用于健身指导、动作分析等场景。文章还提供了完整代码实现和未来扩展方向，如多人检测、动作识别等。
2025-08-21 20:12:26
937
原创 PiscCode集成MediaPipe Pose：从骨架检测到可视化绘制
本文介绍了基于Google Mediapipe框架实现人体姿态识别的自定义绘制类PoseObjectDIY。Mediapipe具有轻量级、跨平台等特点，其PoseLandmark模型可检测人体33个关键点。文章详细解析了PoseObjectDIY类的实现过程，包括模型初始化、关键点颜色定义、骨架连接关系和绘制函数。通过封装该类，开发者可以灵活控制关键点大小、颜色和骨架线条粗细，实现美观的可视化效果。该方法可应用于健身指导、体育训练分析、虚拟人驱动等场景，并支持进一步扩展优化功能。
2025-08-21 19:44:58
1164
原创 PiscCode集成Hand Landmarker：实现高精度手部姿态检测与分析
MediaPipe HandLandmarker是Google开发的高效手部关键点检测模型，采用两阶段架构（手掌检测+21个关键点定位），支持实时3D手部姿态追踪。该技术通过21个3D关键点精确捕捉手部动作，具有CPU实时处理（30+FPS）、多手检测等优势。文章详细解析了模型初始化、关键点绘制等核心代码实现，并展示了手势控制、VR/AR交互、手语识别等应用场景。这一技术为人机交互提供了自然直观的解决方案，在医疗康复、教育培训等领域具有广阔前景。
2025-08-20 23:54:31
1074
原创 PiscCode使用MediaPipe Face Landmarker实现实时人脸特征点检测
本文介绍了基于MediaPipe FaceLandmarker模型的人脸特征点检测技术。该模型能实时检测468个3D特征点，包括人脸网格、轮廓和虹膜特征，支持面部混合形状输出和变换矩阵。文章详细解析了模型初始化、特征点绘制等核心代码实现，并展示了其在AR滤镜、表情分析等场景的应用优势，具有实时性、高精度和跨平台特点。该技术为开发人脸相关应用提供了高效解决方案。
2025-08-20 23:14:11
840
原创 PiscCode迅速集成YOLO-Pose 实现姿态关键点轨迹跟踪应用
本文介绍了基于PiscCode平台和YOLO-Pose模型的人体姿态检测与轨迹跟踪实现方法。YOLO-Pose扩展了传统目标检测功能，支持多人关键点预测和稳定ID跟踪。通过封装FrameObject类，集成了关键点检测、轨迹缓存和可视化功能，可实时处理视频帧并绘制运动轨迹。该方法适用于运动分析、行为识别等场景，便于扩展更多应用功能。
2025-08-19 21:49:57
570
原创 PiscCode + Mediapipe 封装高效对象检测：从单帧到可视化
本文介绍了如何使用Mediapipe Python封装FrameObject类实现高效对象检测。首先说明对象检测在计算机视觉中的常见应用场景，然后提出封装需求：实现检测、绘制框体和标签的可复用代码。核心内容包括：1)初始化检测器并设置阈值；2)为每个类别分配固定颜色；3)绘制带背景条的清晰标签；4)处理单帧图像的完整流程。该封装方案具有轻量、可视化友好、易于扩展等特点，适合视频流和图片批处理场景。通过类封装，简化了Mediapipe API的调用，提升了开发效率。
2025-08-19 20:38:19
1093
原创 PiscTrace基于YOLO追踪算法的物体速度检测系统详解
本文介绍了一种基于YOLOv8的实时物体速度检测系统。该系统通过YOLO算法进行目标检测与追踪，结合BoT-SORT方法实现多目标追踪，并引入位移计算和速度估测功能。系统采用30帧滑动窗口计算移动平均速度，通过中心点位移和像素-实际单位转换实现速度测量。文章详细解析了系统架构、核心算法原理及实现代码，包括位移计算、速度平滑处理和可视化等关键模块。该系统具有实时性能优异、实现简单、扩展性强等特点，适用于各种需要物体运动分析的场景，为计算机视觉领域的速度检测提供了实用解决方案。
2025-08-14 21:04:46
1094
原创 PiscCode使用光流法计算漂浮物位移速度
光流法不仅可以帮助我们跟踪图像中的物体，还能够准确估算物体的运动速度。通过将位移计算与速度换算分开，我们可以更清晰地理解并应用光流法。在实际应用中，光流法广泛应用于运动检测、目标跟踪、水文气象检测等场景中。
2025-08-14 19:36:41
661
原创 PiscCode使用OpenCV实现漂浮方块特效
如何使用Python和OpenCV实现漂浮方块视频特效。该效果将视频画面分割成多个随机移动的方块，每个方块以不同速度漂浮并反弹于屏幕边界。文章详细解析了核心代码实现，包括方块初始化、位置更新、边界检测和渲染过程，并探讨了技术亮点和应用场景。这种特效具有参数可调、性能高效的特点，适用于音乐视频、数字艺术等多种场景。文末还提出了动态参数调整、碰撞检测等扩展思路，为开发者提供了创意发挥空间。
2025-07-27 11:57:47
1005
原创 PiscCode实现从图像到字符艺术
本文介绍了一种使用Python和OpenCV将实时视频转换为动态字符艺术的技术方案。该系统通过马赛克化处理、灰度转换、字符映射和绘制等步骤，将视频帧转换为由特定字符组成的图像，其中字符根据灰度值进行选择。详细解析了核心算法，包括马赛克处理、灰度映射策略和字符绘制优化，并讨论了字符选择、性能优化和视觉增强等关键技术细节。该技术不仅具有艺术价值，还可应用于终端艺术、创意设计和教育工具等场景。文章提供了完整的实现代码示例，展示了数字图像处理与艺术表达的创新结合。
2025-07-27 10:48:37
1078
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人