其他

        最近遇到一個多分類的問題，在網上查了些有關SVM的資料，這篇日誌是來自：http://wenku.baidu.com/view/81c3e210f18583d0496459f0.html  自己寫代碼實現了下，感覺很好使，作為一個學習的例子，放在自己的部落格裡，供以後查閱使用。#include "stdafx.h"#include "cv.h"#include "highgui.h"#include "ml.h"#include <TIME.H>#include

         本文的主要內容來自2009 Advanced Video and Signal Based Surveillance會議的一篇論文“Real-Time Moving Object Detection for Video Surveillance”，要看原文內容請參考文後給出的連結。申明二點：① 本文是根據提到的論文翻譯過來的，但不完全與原文相同；②代碼實現部分，在detect函數部分，邏輯有問題，沒達到預期的要求，勿吐槽。廢話少說，下面開始來介紹該論文。     

Navneet Dalal的OLT工作流程描述由opencviv » 2010-01-23 4:23Navneet Dalal在以下網站提供了INRIA Object Detection and Localization Toolkithttp://pascal.inrialpes.fr/soft/olt/Wilson Suryajaya Leoputra提供了它的windows版本http://www.computing.edu.au/~12482661/hog.html需要　Copy

使用工具：vs2010+opencv2.4.3讀視頻、將視頻前後幀映像像素值相減、將差值映像轉化為灰階圖並二值化（閾值為25）、之後進行中值濾波、將幀號寫入濾波後的映像並把每幀儲存、播放處理後的視訊框架以及原始視訊框架、在當前檔案夾下產生處理後的視頻檔案。#include "stdafx.h"#include <opencv2/highgui/highgui.hpp>#include <opencv2/imgproc/imgproc.hpp>#include

本文由LeftNotEasy發佈於http://leftnoteasy.cnblogs.com一、線性分類器：    首先給出一個非常非常簡單的分類問題（線性可分），我們要用一條直線，將中黑色的點和白色的點分開，很顯然，圖上的這條直線就是我們要求的直線之一（可以有無數條這樣的直線）    假如說，我們令黑色的點 = -1， 白色的點 =  +1，直線f(x) = w.x + b，這兒的x、w是向量，其實寫成這種形式也是等價的f(x) = w1x1 + w2x2 … + wnxn + b,

        本文根據M. Lucia等人的論文“A self-Organizing approach to background subtraction for visual surveillance applications ”結合自己的理解而成，如果對論文感興趣的，將在後面給出相應的連結下載，有問題歡迎交流。另轉載請註明出處：http://blog.csdn.net/kezunhai。        在改論文中，作者提出了一種基於自組織神經網路（self-Organizing

      近來，因為在項目中遇到跟蹤的難題，沒事翻看opencv2.4.5裡的相關源碼查閱，偶然發現在opencv的contrib檔案夾下實現了多種目標跟蹤演算法，包括featuretracker、hybridtracker和detection_based_tracker等。由於是改代碼是放置於contrib檔案夾下，所以不能直接調用（除非自己重新編譯）。對原始碼進行了提取，單還是有錯，歡迎同道之人下載下來一起找錯，相互交流。     首先附上main函數裡的相關代碼：Rect box(0,0

            在進行影像處理中，經常會計算映像的梯度、梯度幅值以及梯度等，對於不太瞭解opencv的，可能會自己寫計算梯度、梯度幅值和梯度方向的函數，其實這些工作OpenCV都已經為我們做了。下面來看看Opencv中的相關函數：         1）計算梯度幅值函數magnitude該函數根據輸入的微分處理後的x和y來計算梯度幅值，x和y可以通過sobel, scharr等邊緣運算元求得，而且可以直接輸入三通道映像。       

      近來，有不少人諮詢我關於VIBE演算法的問題，而且對於有些細節問題懵懵懂懂，索要源碼類的，考慮這個演算法的應用以及很多人對此有比較深的興趣，遂將其放在部落格上供大家學習。該版本的代碼是在學校的時候寫的，裡面也加入了一些其他的後處理內容，儘管還有不足，但是對於加深對VIBE演算法的理解肯定有一定協助。另外，由於最新版本的代碼在公司電腦上，不便提供。關於理論方面的請參考下面二篇文章：1）VIBE-A powerful random technique to estimatie the

            1933年，一個叫利奧·西拉特的匈牙利裔猶太物理學家，正在倫敦的一個旅館裡讀報紙上關於著名新西蘭物理學家、原子核發現者盧瑟福爵士演講的報告。一個參加演講的新聞記者詢問盧瑟福是否相信那一天會到來—— 原子核裡釋放的不可思議的高能量被用於工業上。盧瑟福的著名回答是“妄想”，也就是“沒門”、“不可能”、“廢話”。西拉特對此表示懷疑，認為肯定有辦法。            

追趕高手 數位相機小技巧妙用2003-04-03 11:21:58· ·楊楊··天極數位轉載自：http://dc.yesky.com/20030403/1660931.shtml 編者按： 為什麼同一樣的景色，大家拍攝出來的照片差別那麼大，為什麼同一檔次的數位相機，你的照片和高手拍攝出來的照片高下立顯，不要為自己缺乏攝影基礎知識而懊惱，不要為相機檔次而鬱悶，下面這些小小的技巧就可以協助你達到高手的境界。很多已經開始接觸數位相機的使用者往往倚賴於全自動拍攝模式，這在一般環境下的拍攝也還是不錯的，

轉自：http://hi.baidu.com/dengshubin/item/8a224e2c1374f09bb63263aaHyperion高光譜預先處理利器Hyperion Tools V2.0Hyperion工具是一個免費的ENVI擴充工具，該工具是用來讀取、修正和使用L1R、L1G/L1T層級的Hyperion。設計Hyperion工具是為了方便hyperion資料的使用，其最基本的功能是把L1R HDF和L1G/L1T

          近年來，連鎖加盟成了一個企業發展與擴張的主要途徑，尤其是對於一些實體店來說，要使自己的企業快速擴張，搶佔市場先機，第一想到的就是連鎖加盟。那麼企業在考慮連鎖加盟的時候，需要注意哪些點呢？個人感覺有如下三個點：           1、單體的盈利能力         

          4. 無處不在的貝葉斯          以下我們再舉一些實際例子來說明貝葉斯方法被運用的普遍性，這裡主要集中在機器學習方面，因為我不是學經濟的，否則還可以找到一堆經濟學的例子。         4.1 中文分詞         貝葉斯是機器學習的核心方法之一。比如中文分詞領域就用到了貝葉斯。Google 研究員吳軍在《數學之美》系列中就有一篇是介紹中文分詞的，這裡只介紹一下核心的思想，不做贅述。       

          5. 樸素貝葉斯方法          樸素貝葉斯方法是一個很特別的方法，所以值得介紹一下。我們用樸素貝葉斯在垃圾郵件過濾中的應用來舉例說明。          5.1 貝葉斯垃圾郵件過濾器         問題是什嗎？問題是，給定一封郵件，判定它是否屬於垃圾郵件。按照先例，我們還是用 D 來表示這封郵件，注意 D 由 N 個單片語成。我們用 h+ 來表示垃圾郵件，h- 表示正常郵件。問題可以形式化地描述為求：                     P(h+|D) = P(

          本文根據Masayuki Yokoyama等人的論文A contour-based moving object detection and