搜索资源列表
HaarTraining
- OPENCV训练过程的说明文档， 在样本创建；训练分类器；利用训练器进行目标检测作了操作说明 源程序在安装OPENCV时，自带apps\HaarTraining-OPENCV training process documentation, created in the sample training classifier the use of training devices for target detection was made in the installation inst
codes
- 在3D坐标系下展示一些离散流形及流形上的1NN和kNN分类器-plot some discrete manifold in 3D Cartesian coordinate system；1NN and kNN classifiers on manifolds
jiyutezhengronghehemohuhepanbian
- 提出了基于特征融合和模糊核判别分析(FKDA)的面部表情识别方法。首先，从每幅人脸图像中手工定 位34个基准点，作为面部表情图像的几何特征，同时采用Gabor小波变换方法对每幅表情图像进行变换，并提取基 准点处的Gabor小波系数值作为表情图像的Gabor特征；其次，利用典型相关分析技术对几何特征和Gabor特征进 行特征融合，作为表情识别的输人特征；然后，利用模糊核判别分析方法进一步提取表情的鉴别特征；最后，采用最 近邻分类器完成表情的分类识别。通过在JAFFE国际表情数据库和
3DFaceRecognitionBasedon3DLBPandKernelDiscriminant
- 二维照片的人脸识别对光照、姿态和化妆等因素很敏感，故提出了一种将三维局部二值模式(3DLBP)和核享，1剐分析(KDA)相结合的三维人脸识剐方法．采用3DLBP描述人脸深度图像的特征，高斯核函数KDA 作为分类器，使用Chi平方统计改进高斯核函数、采用FRGC v2．0中2003春季采集的三维人脸库进行实验．实验结果表明，该 方法在每人2个训练样本时，识别率为91．8％，而PCA和3DLBP的识别率分别为60．4％和78．3％；当每人的训练样本数增至6个时，识别率为98．4％，而PCA和3D
Gesture-Recognition-
- 本文提出一种用于手势识别的新方法，它将图像的方向直方图矢量(0Hv)与神经网络相结合。其特点在于选用 图像的方向直方图矢量作为手势的特征矢量，该特征矢量对于光线和手的平移变化具有较强的鲁棒性，这正是手势识别所要 解决的关键问题。在训练阶段，首先需要建立手势样本的特征矢量库；在识别阶段，本文选用三层BP网络作为分类器，获得 了90％以上的识别率。本文还对手势进行一定角度的旋转后的识别进行了讨论，识别结果达到预期要求。-In this paper，a new method of gest
Seal-Identification
- 运用H15；I色彩窄间对印章图像颜色特征提取等一系列预处理，研究了多种识 别方法后发现基于纹理特征的印鉴识别方法不但速度快，而且识别率也较高，并且方法简便。通 过将极坐标和傅垦叶变换结合，计算m印签图像纹理的频谱度量，来完成印鉴的特征提取，运用支 持向量机分类器对印鉴进行识别，实验证明，方法具有良好的旋转不变纹理分析性能，提高了识别 率。-It WaS found a fast，simple and a higher seal image(HSI)identification
createFaceEignDatabase
- 利用一个小样本人脸样本库创建数据库ar_test.mat中的训练样本数据和待测样本数据将生产的数据库文件.mat利用FDDL程序进行测试，分类；在程序最后先利用最短距离测试提取特征的效果本文利用SVD分解，并提取了每一幅图像的前3列特征向量（前三个主成分），共计3*200个特征向量，构成一个训练样本列元素最后的简单分类测试效果在90 ，区分度较好，能够适用于其他分类器实验..后续中，选取了第一主成分，发现识别率达到100 ；选取了前33个，反而低于了90 ，不知如何解释？-Using a sma
bp_network
- 对两种类型的纹理图像，各选取30幅，计算灰度共生矩阵，提取特征向量；构件BP神经网络分类器，用每种类型的前20幅对分类器进行训练，后10幅用来测试分类效果。-Two types of texture image for each select 30 calculated GLCM, extracting feature vectors member BP neural network classifier, before use each type of 20 pairs classifier
SVM
- Hog+SVM是速度和效果综合平衡性能较好的一种行人检测方法。后来，虽然很多研究人员也提出了很多改进的行人检测算法，但基本都以该算法为基础框架。因此，Hog+SVM也成为一个里程表式的算法被写入到OpenCV中。在OpenCV2.0之后的版本，都有Hog特征描述算子的API，而至于SVM，早在OpenCV1.0版本就已经集成进去了；OpenCV虽然提供了Hog和SVM的API，也提供了行人检测的sample，遗憾的是，OpenCV并没有提供样本训练的sample。这也就意味着，很多人只能用Ope