搜索资源列表
MAERJIANCE
- 场景图像中文本占据的范围一般都较小，图像中存在着大范围的非文本区域。因此，场景图像文本定位作为一个独立步骤越来越受到重视。这包括从最先的CD和杂志封面文本定位到智能交通系统中的车牌定位、视频中的字幕提取，再到限制条件少，复杂背景下的场景文本定位。与此同时文本定位算法的鲁棒性越来越高，适用的范围也越来越广泛。文本定位的方式一般可以分为三种，基于连通域的、基于学习的和两者结合的方式。基于连通域的流程一般是首先提取候选文本区域，然后采用先验信息滤除部分非文本区域，最后根据候选文本字符间的关系构造文本
96282002Human-Motion-Tracking
- 利用图像的HOG特征训练SVM分类器，对运动人体目标进行跟踪(Using the HOG feature of the image to train the SVM classifier, the program runs through the obtained data.)
FingerTip
- 基于深度相机的手势识别，利用深度信息设置包围盒分割手，然后使用SVM分类器对训练数据集进行训练。在静态手势测试时，我们先计算测试图像的HOG特征，然后经SVM分类得到测试结果(Based on the gesture recognition of the depth camera, the depth information is used to set the bounding box to divide the hand, and then the training data set is
LBP
- （1）计算图像中每个像素点的LBP模式(等价模式,或者旋转不变+等价模式)。 （2）然后计算每个cell的LBP特征值直方图，然后对该直方图进行归一化处理(每个cell中，对于每个bin,h[i]/=sum,sum就是一副图像中所有等价类的个数)。 （3）最后将得到的每个cell的统计直方图进行连接成为一个特征向量，也就是整幅图的LBP纹理特征向量； 然后便可利用SVM或者其他机器学习算法进行分类识别了。((1) calculate the LBP pattern of each p
carplate
- 首先对车牌识别系统的现状和已有的技术进行深入的研究，然后开发出一个基于 Python 的车牌识别系统，文中先对车辆图像进行高斯去噪、灰度化和边缘检测等预处理方法，然后用颜色特征和形态特征相结合的方法来确定车牌位置，用彩色分割法来完成车牌分割，最后，运用 SVM 分类训练器完成字符识别并使用Python 软件环境进行车牌识别的仿真实验。(License plate recognition based on SVM)