安防监控中的AI赢咖4应用
AI（Artificial Intelligence）赢咖4技术的概念已经被提出来很多年， 若加以描述就是在科学技术上具有判断、认知（perception）、洞察（insight）、学习（learning）、了解（comprehension）及推论（ reasoning）等行为表现，也是赢咖4追求的目标。这几年安防产业亦出现相当热门的数据化赢咖4学习
深度学习在图像超分辨率重建中的应用
超分辨率技术（Super-Resolution）是指从观测到的低分辨率图像重建出相应的高分辨率图像，在监控设备、卫星图像和医学影像等领域都有重要的应用价值。SR可分为两类:从多张低分辨率图像重建出高分辨率图像和从单张低分辨率图像重建出高分辨率图像。基于深度学习的SR，主要是基于单张低
读了几篇boosting文献的收获
最近也是有的懒，看到别人的blog层次都很高，总是介绍些OpenCV的粗浅的东西，总是感觉自惭形愧。所以一直野就没写啥。白驹过隙，3个月，我都转博了，opencv都2.4.3了，可是感觉自己还是弱爆了，懂得太少，翻来看看以前学习过的知识，也多半一知半解。这次就又翻了翻boosting的东西学习了一下（研一上课
最近研究目标检测有感
最近研究目标检测有感 近来，一直在看有关目标检测的文章，尤其是关注这些文章所能解决的问题和创新点。主要原因有二：一是因为最近老板的项目催进度催得急，却总有些问题没办法解决，；另外一方面是自己想找些灵感，写篇把文章。文章倒是看了不少，下面写写心得。 目标检测是计算机视觉应用的
TLD视觉跟踪技术解析
TLD视觉跟踪技术解析 在城市轨道交通的监控中，智能视频分析技术曾风极一时，然而由于城市轨道交通的监控环境比较复杂，其不仅区域大、周界长、拥有多站台多出入及众多围栏等相关设备。这种复杂的环境给智能分析带来诸多困难，而作为当前新颖的TLD[跟踪-学习-检测(Tracking-Learning-D
庖丁解牛TLD（二）——初始化工作（为算法的准备）
我说的初始化，还不是算法的初始化工作，而是读入图像，响应键盘鼠标之类的工作。作者提供的代码中的工作包含了从摄像头读取和从文件中读取两种输入方案。这里介绍一下从文件输入的办法。因为OpenCV从视频读取图像序列的办法有很好的demo，我这里就不介绍摄像头的办法了。TLD下载后有一
庖丁解牛TLD（三）——算法初始化
目录(?)[-] 1初始化Detector 2初始化Trajectory 3训练Detector 上一讲我提到对于算法的初始化工作主要是在tldInit这个函数里实现的。主要分为如下几大步骤，1）初始化Detector。2）初始化Trajectory。3）训练Detector 1)初始化Detector 其中bb_scan为扫描grid区域，该函
庖丁解牛TLD（四）——Tracking解析
前几节都是根据作者的程序流程一步步介绍作者的工作，感觉只是对代码的一个注释，这次换一个思路，一部分一部分啃，作者的工作主要就是3部分么，tracking，learning，detection。 这次先介绍Tracking的工作。对于Tracking，作者主要使用的是他提出的Forward-Backward Error的办法，使用Lucas-Kanade
庖丁解牛TLD（五）——井底之蛙啦~
随着和我交流TLD的朋友越来越多，我渐渐的知道的也多了，才发现我研究的结果只是沧海一粟。 这里先膜拜一下Alan Torres大神，他已经用c++把TLD重新写好了，而且代码很规范。他设计的理念有： 1.在OpenCV（2.3）上依赖* 2.没有Matlab！ 3.易于编译和运行（在Linux上，在OSX和Windows上正在进行中） 4.快
ASM（active shape models）算法介绍
目录(?)[-] 一模型的建立build 选择合适的特征点 形状统计模型 把模型和新点集进行匹配 二模型在图像中的匹配fit ASM是基于统计学习模型的特征点提取的一种方法。这个方法是95年就提出来的，不过至今仍是我认为比较好的人脸
IplImage, CvMat, Mat 的关系和相互转换
opencv中常见的与图像操作有关的数据容器有Mat，cvMat和IplImage，这三种类型都可以代表和显示图像，但是，Mat类型侧重于计算，数学性较高，openCV对Mat类型的计算也进行了优化。而CvMat和IplImage类型更侧重于图像，opencv对其中的图像操作（缩放、单通道提取、图像阈值操作等）进行了优化。在ope
求多边形或轮廓的凸包（Hull）
在图像处理和分析中，通常会遇到求物体的凸包或某类型形状的凸包，以下函数可以实现该功能： [cpp]view plaincopy print? voidget_hull(cv::Mat&src,intthresh) { Matsrc_copy=src.clone(); Matthreshold_output; vector<vector<Point>>contours; ve
自定义（手动调整）.net中图像的调色板(How to adjust (customize) image's palet
引言 昨天在测试各种图像处理类库及方法的性能时，想试试看自己写的灰度化性能如何，结果发现自己通过写BitmapData生成的灰度图看起来依然色彩斑斓。通过跟踪调试，图像的数据部分是正确的，问题出在了调色板部分，调色板中的颜色是Windows默认的web流行色，而非我所期望的256级灰度颜色。
各种图像处理类库的比较及选择(The Comparison of Image Processing Libraries)
前言 近期需要做一些图像处理方面的学习和研究，首要任务就是选择一套合适的图像处理类库。目前较知名且功能完善的图像处理类库有OpenCv、EmguCv、AForge.net等等。本文将从许可协议、下载、安装、文档资料、易用性、性能等方面对这些类库进行比较，然后给出选择建议，当然也包括我自己
