免费下载人脸识别的68个特征点检测库dat文件如果免费请移步：https://blog.csdn.net/qq_51985653/article/details/113748025?spm=1001.2014.3001.5501
2020/7/6 10:24:22
67.82MB
1
读研期间做的文献复原，关键点提取、建立特征描述符、婚配特征点、RANSAC去除误婚配、坐标配准全部流程都走了一遍，用bunny数据做的测试，每一步都有画图，结果精度还不错。
有没做好的地方欢迎指正。
有没做好的地方欢迎指正。
2020/1/13 12:39:50
772KB
1
代码中包含特征点提取和影像婚配两部分。
特征点提取为Moravec和Forstner两个特征点提取算子，影像婚配有基于相关系数和最小二乘两种婚配算法。
另外要进行静态窗口分割，也可以用做参考。
包含BMP影像读取头文件和矩阵基本运算头文件，运行正常，注释完整。
个人努力成果，请勿随意传播。
特征点提取为Moravec和Forstner两个特征点提取算子，影像婚配有基于相关系数和最小二乘两种婚配算法。
另外要进行静态窗口分割，也可以用做参考。
包含BMP影像读取头文件和矩阵基本运算头文件，运行正常，注释完整。
个人努力成果，请勿随意传播。
2020/1/12 19:11:05
14.53MB
1
libviso不断以来被称为在视觉里程计(VO)中的老牌开源算法。
它通过corner,chessboard两种kernel的响应以及非极大值抑制的方式提取特征，并用sobel算子与原图卷积的结果作为特征点的描述子。
在位姿的计算方面，则通过RANSAC迭代的方式，每次迭代随机抽取3个点，根据这三个点，用高斯牛顿法计算出一个RT矩阵，表示两帧图像之间，相机的姿态变换。
而位姿的计算也是libviso中较为抽象的一部分，接下来，本文将在读者已经对立体视觉的基本原理，以及libviso的场景流匹配熟悉的前提下，对这个过程进行详细分析。
它通过corner,chessboard两种kernel的响应以及非极大值抑制的方式提取特征，并用sobel算子与原图卷积的结果作为特征点的描述子。
在位姿的计算方面，则通过RANSAC迭代的方式，每次迭代随机抽取3个点，根据这三个点，用高斯牛顿法计算出一个RT矩阵，表示两帧图像之间，相机的姿态变换。
而位姿的计算也是libviso中较为抽象的一部分，接下来，本文将在读者已经对立体视觉的基本原理，以及libviso的场景流匹配熟悉的前提下，对这个过程进行详细分析。
2017/4/15 20:08:32
4.01MB
1
基于特征点婚配的视频稳像，opencv。
有C++和python代码。
这个文件夹里面的代码有更新，详细见https://blog.csdn.net/luohenyj/article/details/88355444
有C++和python代码。
这个文件夹里面的代码有更新，详细见https://blog.csdn.net/luohenyj/article/details/88355444
2018/1/13 11:57:37
8.44MB
1
对公共场所中人群监控准确性和实时性低的问题,提出一种基于运动显著图的人群异常行为检测方法。
该方法首先利用Lucas-Kanade法计算稀疏特征点的光流场,并对光流场进行时间和空间上的滤波处理,然后计算特征点的运动方向、速度和加速度。
为了准确描述人群行为,将人群的速度幅值、运动方向变化量和加速度幅值分别映射为图像的R、G、B三个通道,并以此合成代表人群运动特征的运动显著图。
最后,设计和训练面向人群运动显著图的卷积神经网络模型,并利用该模型检测人群中能否存在异常行为。
该方法首先利用Lucas-Kanade法计算稀疏特征点的光流场,并对光流场进行时间和空间上的滤波处理,然后计算特征点的运动方向、速度和加速度。
为了准确描述人群行为,将人群的速度幅值、运动方向变化量和加速度幅值分别映射为图像的R、G、B三个通道,并以此合成代表人群运动特征的运动显著图。
最后,设计和训练面向人群运动显著图的卷积神经网络模型,并利用该模型检测人群中能否存在异常行为。
2021/4/7 19:49:27
477KB
1
这个是计算机视觉三维重建的领域。
该代码实现特征点提取和立体婚配的功能。
三维重建模拟人眼，进行双目拍摄。
这里在经典特征点特区SURF算法基础上，加入极线约束的思想，去除噪声和婚配错误的杂点。
有很好的婚配效果。
该代码实现特征点提取和立体婚配的功能。
三维重建模拟人眼，进行双目拍摄。
这里在经典特征点特区SURF算法基础上，加入极线约束的思想，去除噪声和婚配错误的杂点。
有很好的婚配效果。
2022/10/22 0:46:03
6KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB