摘要： 李宏毅教授2017年机器学习心得http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML17.html 应用示例：神奇宝贝经过进化后的能量值 f(x)=y x=(xs,xhp,xw,xh) 如Xh表示神奇宝贝的身高Xw表示神奇宝贝的重量Xs表示种类 第一步：建模（ 阅读全文

摘要： 一、两种模式 视频概要往往为静态视频摘要模式，即通过一系列关键帧（对象）组成相应的语义单元，概括表示镜头内容，并支持视频快速导航。 特点：静态视频摘要只考虑其关键帧（对象），忽略了音频信息，生成摘要的速度比动态的快； 缩略视频为动态视频摘要模式，即保持了视频内容随时间动态变化的视频固有特征，一般是... 阅读全文

摘要： 1 int *index= new int[20]; 2 int i; 3 for(i=0;i16;i++) 4 index[i]=i+1; 5 Mat I = Mat(4, 4,CV_32S,index); 6 Mat I1; 7 show(I); 8 transpose(I,I1); 9 sh... 阅读全文

摘要： 1 double m[4][4] = {1.0,2.0,3.0,4.0,5.0,6.0,7.0,8.0,9.0,10.0,11.0,12.0,13.0,14.0,15.0,16.0}; 2 Mat M = Mat(4, 4, CV_64F ,m); 3 4 Mat N=M.mul(M); 5 s... 阅读全文

摘要： 1 double m[4][4] = {1.0,2.0,3.0,4.0,5.0,6.0,7.0,8.0,9.0,10.0,11.0,12.0,13.0,14.0,15.0,16.0}; 2 Mat M = Mat(4, 4, CV_64F ,m); 3 4 Scalar sca=sum(M); 5... 阅读全文

摘要： 如果摄像机是固定的，那么我们可以认为场景（背景）大多数情况下是不变的，而只有前景（被跟踪的目标）会运动，这样就可以建立背景模型。通过比较当前帧和背景模型，就能轻松地跟踪目标运动情况了。这里，最容易想到的比较方式就是当前帧减去背景模型了。背景模型的建立最容易想到的就是选取一张没有目标时的图片作为背景模型，但是很多情况下，背景中往往一直会有目标在运动，而且程序在没有经验的情况下又不会知道哪幅图片是有目标的，哪幅图片是没有目标的，程序只是根据我们人为建立的模型去检测目标而已。于是，不难想到，我们可以截取一段目标出现相对较少的视频段（也可叫做图片序列吧。。。），然后对帧求均值，将均值图片作为背景模型。 阅读全文

摘要： 1 int i,j; 2 for(i=0;i<M.rows;i++) 3 { 4 for(j=0;j<M.cols;j++) 5 { 6 //cout<<M.ptr<double>(i)[j] <<" "; 7 //cout<<M.at<double>(i,j)<<" "; 8 //cout<<((double*)M.data)[i*M.rows+j]<<" "; 9 }10 cout<<endl;11 }赋值时候用 阅读全文

摘要： 首先，Mat不仅可以存图像，也可以用来存放其他高维的数据。数据存在data指针所指向的地址中的，对于高维数据（dim维），每个数据的地址是用上面式子算的；它的一个特例是2维数据（图像），式子简化成了下面的那个公式。 1、关于行列问题 1 Mat img1 = imread("C:/Users/... 阅读全文

摘要： 首先我们进入HOGDescriptor所在的头文件，看看它的构造函数需要哪些参数。CV_WRAPHOGDescriptor():winSize(64,128),blockSize(16,16),blockStride(8,8),cellSize(8,8),nbins(9),derivAperture(1),winSigma(-1),histogramNormType(HOGDescriptor::L2Hys),L2HysThreshold(0.2),gammaCorrection(true),nlevels(HOGDescriptor::DEFAULT_NLEVELS){}CV_WRAPHOG 阅读全文

摘要： HOG构造函数 CV_WRAP HOGDescriptor() :winSize(64,128), blockSize(16,16), blockStride(8,8), cellSize(8,8),nbins(9), derivAperture(1), winSigma(-1), histogr... 阅读全文