他的首页
他的馆藏
他的动态
馆友反馈
关于他
| 共 10 篇文章 |
|
求平方根函数从这里看来的。在有的CPU上，这个函数比普通的(float)(1.0/sqrt(x)快4倍！普渡大学的Chris Lomont在这篇论文里讨论了这个常数的意义，尝试用严格的方法推导出这个常数（他还提到有人认为这个函数是在NVidia工作过的Gary Tarolli写的）。复制内容到剪贴板代码:float Q_rsqrt( float number ) {float x2， y; const float threehalf... 阅143 转0 评0 公众公开 16-04-18 19:50 |
2.如果一幅图像的区域中显示的是一种独特的纹理或是一个独特的物体，那么这个区域的直方图可以看作是一个概率函数，它给出的是某个像素属于该纹理或物体的概率。2.然后将目标区域取直方图，并将其直方图归一化，并得到这个区域的概率。cv::calcBackProject(&image,//目标图像 1, // 图像个数 channels, // 通道数量 histogram, // 进行反投... 阅36 转1 评0 公众公开 16-04-08 19:59 |
当前可以定义的操作方式是CV_HAAR_DO_CANNY_PRUNING(CANNY边缘检测)、CV_HAAR_SCALE_IMAGE(缩放图像检测)、CV_HAAR_FIND_BIGGEST_OBJECT(寻找最大的目标)、CV_HAAR_DO_ROUGH_SEARCH(做粗略搜索)。如果CV_HAAR_SCALE_IMAGE被设定则在每一个scale上缩放图像检测，如果没有定义则缩放检测窗口进行检测，当缩放检测窗口检测的时候是不能返回rejectL... 阅1008 转4 评0 公众公开 16-03-24 14:14 |
AdaBoost人脸检测原理 对人脸检测的研究最初可以追溯到 20 世纪 70 年代，早期的研究主要致力于模板匹配、子空间方法，变形模板匹配等。人脸检测的目的就是从图片中找出所有包含人脸的子窗口，将人脸的子窗口与非人脸的子窗口分开。它的计算方法就是将白色区域内的像素和减去黑色区域，因此在人脸与非人脸图片的相同位置上，值的大小是不一样的... 阅582 转1 评0 公众公开 16-03-22 17:44 |
为了帮助研究过程中探索人脸识别，我们列出以下人脸检测和识别 API。目前，我们有一个免费的 API 进行人脸检测。Animetrics Face Recognition - Animetrics 的人脸识别 API 可用于图片中的人脸检测。FaceRect - FaceRect 是一个功能强大且免费的 API 进行人脸检测，能够发现网页中的或者上传文件中特定图片上的脸部（包括正面和侧面），并能... 阅101 转1 评0 公众公开 16-03-22 17:43 |
那些没被初始分类器拒绝的子窗口会被一系列分类器处理，后一个分类器要比前一个分类器稍微复杂一点。第三节将讲述组合这些特征形成分类器的方法。总之，200个特征的分类器初步证明，从矩形特征构建提升的分类器是一种有效的人脸检测技术。两个特征分类器的检测性能远远没能达到人脸检测系统。给定一个训练的级联分类器，误报率为 ... 阅297 转1 评0 公众公开 16-03-22 16:28 |
皮肤检测----肤色椭圆模型。因此如果我们得到了一个CrCb的椭圆，下次来一个坐标(Cr, Cb)我们只需判断它是否在椭圆内（包括边界），如果是，则可以判断其为皮肤，否则就是非皮肤像素点。参数startAngle表示绘制椭圆弧线相对该椭圆自己的水平轴的起始角度；参数endAngel表示绘制椭圆弧线相对该椭圆自己的水平轴的终止角度；实验总结： 皮肤的椭圆... 阅20 转0 评0 公众公开 16-03-10 16:17 |
皮肤检测----肤色椭圆模型。因此如果我们得到了一个CrCb的椭圆，下次来一个坐标(Cr, Cb)我们只需判断它是否在椭圆内（包括边界），如果是，则可以判断其为皮肤，否则就是非皮肤像素点。参数startAngle表示绘制椭圆弧线相对该椭圆自己的水平轴的起始角度；参数endAngel表示绘制椭圆弧线相对该椭圆自己的水平轴的终止角度；实验总结： 皮肤的椭圆... 阅353 转4 评0 公众公开 16-03-10 11:15 |
具体的思想就是为每个像素点存储了一个样本集，样本集中采样值就是该像素点过去的像素值和其邻居点的像素值，然后将每一个新的像素值和样本集进行比较来判断是否属于背景点。最后，我们提出了自己的更新策略，相比于其他算法将样本值在模型中保存一个固定的时间，我们采用随机的替换更新样本值，经过证明这样可以保证样本值的一个指数衰减的平... 阅74 转0 评0 公众公开 16-03-10 11:12 |
具体的思想就是为每个像素点存储了一个样本集，样本集中采样值就是该像素点过去的像素值和其邻居点的像素值，然后将每一个新的像素值和样本集进行比较来判断是否属于背景点。最后，我们提出了自己的更新策略，相比于其他算法将样本值在模型中保存一个固定的时间，我们采用随机的替换更新样本值，经过证明这样可以保证样本值的一个指数衰减的平... 阅988 转3 评0 公众公开 16-03-10 10:55 |
