YangMax1的博客

目录一、HOG特征提取原理二、代码实现三、总结四、参考一、HOG特征提取原理  HOG特征提取流程可分为5个部分：检测窗口、归一化图像、计算梯度、统计直方图、梯度直方图归一化、得到HOG特征向量。检测窗口：  HOG通过窗口（window)和块(block)将图像进行分割。通过以细胞(cell)为单位，对图像某一区域的像素值进行数学计算处理。在此先介绍窗口(window)、块(block)和细胞（cell）的概念及之间的联系。窗口(window)：将图像按一定大小分割成多个相同的窗口，滑动。

这里写目录标题一、图像灰度处理1.使用OpenCV转换灰度文件2. 不使用OpenCV进行灰度转换二、图像格式转换1. HSV格式转换2. HSI格式转换三、车牌数字分割四、总结五、参考一、图像灰度处理1.使用OpenCV转换灰度文件代码：import cv2 as cv# 路径为英文image = cv.imread('Sl.png')# 将图片转为灰度图gray_image = cv.cvtColor(image, code=cv.COLOR_BGR2GRAY)# 显示图片c

目录一、数据集准备二、基于卷积神经网络训练模型1. 构建模型2. 图像数据预处理3. 训练4. 绘制模型的损失图和准确性图像5. 使用该模型进行微笑识别三、使用OpenCV自带的微笑识别库1.代码编写2.运行测试：四、基于Dlib笑脸识别1.代码编写2. 运行测试五、总结六、参考一、数据集准备Genki4k数据集下载下载地址：https://inc.ucsd.edu/mplab/398.php划分数据集将Genki4k数据集分为测试集与训练集。并按标签分开存放。二、基于卷积神经网络训练

基础变换矩阵一、2D线性变换1. 缩放变换(scaling)2.反射变换(Reflection)3.剪切变换(Shearing)4. 旋转变换(Rotation)二、3D线性变换三、四、五、  变换矩阵 (Transformation Marices)在图形学中的重要性不用多说，一切物体的缩放，旋转，位移，都可以通过变换矩阵作用得到。同时在投影 (projection) 变换的时候也有很多应用，本文将会介绍一些简要的变换矩阵。一、2D线性变换  我们将如下式所示的简单矩阵乘法定义为对向量(x,y)T(

目录一、Dlib库介绍与安装1. Dlib库简介2. 安装Dlib库二、OpenCV介绍即安装1. OpenCV简介2. OpenCV安装三、提取人脸特征点一、Dlib库介绍与安装1. Dlib库简介   Dlib库是一个机器学习的开源库，包含了机器学习的很多算法，使用起来很方便，直接包含头文件即可，并且不依赖于其他库（自带图像编解码库源码）。Dlib可以帮助创建很多复杂的机器学习方面的软件来帮助解决实际问题。目前Dlib已经被广泛的用在行业和学术领域,包括机器人,嵌入式设备,移动电话和大型高性能计算