目录1--前言2--处理ORL数据集3--Eigenfaces复现过程4--Fisherfaces复现过程5--分析1--前言①SYSU模式识别课程作业②配置：基于Windows11、OpenCV4.5.5、VSCode、CMake③原理及源码介绍：Face Recognition with OpenCV④数据集：ORL Database of Faces2--处理ORL数据集①源码：import
转载
2024-09-10 20:46:26
50阅读
前言： 第一种方法是人脸检测中最常用的是Haar-Adaboost算法，该算法首先在人脸检测中得到广泛运用，而后也被用于其它有关目标检测中。adaboost 是一套机器学习的框架，根据给出的正样本和副样本训练一个用于识别正样本一类物体的模型。这个模型的本质就是分类器，又叫做级联（cascade）分类器。本文主要是学习使用OpenCV自带的adaboost+haar特征程序
转载
2023-11-28 14:57:17
447阅读
1.windows系统下需要编译安装opencv3.4(注意opencv4.1没有分类器)遇到windows下的opencv编译问题参考：windows7+vs2019编译opencv注意：本机编译的opencv_createsamples.exe程序和opencv_traincascade.exe程序只有通过本机编译才能在本机正常使用。2.然后按照这个教程执行：opencv实时识别指定物体注意：
转载
2023-09-27 19:55:39
415阅读
# 使用 Python 和 OpenCV 进行物体识别
随着计算机视觉的快速发展，物体识别成为了一项重要的技术，它在许多领域都有广泛应用，如自动驾驶、视频监控和工业自动化等。本篇文章将介绍如何使用 Python 和 OpenCV 实现基本的物体识别，并提供相关代码示例。
## 什么是 OpenCV？
OpenCV（Open Source Computer Vision Library）是一个
在电脑视觉领域，OpenCV（Open Source Computer Vision Library）是一种广泛使用的计算机视觉工具，特别是用于识别和处理图像中的物体。通过Python语言与OpenCV的结合，我们可以实现复杂的物体识别功能。以下是关于“OpenCV识别物体Python”的复盘记录，将详细描述背景、技术原理、架构、源码分析、应用场景和案例分析。
## 背景描述
在过去的二十年中
利用OpenCV将实时读取视频流，将每一帧的图像转换为hsv类型，将特定hsv颜色区间的物体的像素值置为255，将区间之外的像素值置为0，形成黑白图像，再利用erode对图像进行腐蚀消除部分噪音区域和dilate对图像进行膨胀，将检测到的物体放大，最后在进行绘制操作。特别注意：因为我用的是绿色的笔来作为待检测物体，所以颜色接近绿色的物体都可能会被检测到。这个方法容易受到外界光线，背景颜色的影响，通
转载
2023-08-04 12:55:19
475阅读
目录一、什么是物体测量？二、如何实现物体测量？三、算法实现细节四、算法代码实现五、算法运行过程六、效果展示七、问题探讨参考资料注意事项 一、什么是物体测量？所谓的物体测量就是算法通过计算后自动的输出图像中各个物体的大小，具体如下图所示： 我们将该图输入到设计的算法中，算法通过计算依从从左往右输出图片中各个物体的大小并输出相应的BB，这个任务在现实场景中具有很多的应用，下面就来看看如何来实现这
转载
2023-10-09 00:11:06
374阅读
opencv是一个很强大的机器视觉库，利用它我们可以开发出丰富多彩的使用项目。近日，我在研究一个图中物体定位系统。本程序用的是OpenCV2.4.9，附带OpenCV3.0。程序中的原图为我随手拍的一张图片图中有三个物体，都是蓝色的，我首先取原图的蓝色通道变为灰度图灰度图经过中值滤波后可以得到去噪后的图片根据原图的蓝色通道和红色通道的大概取值范围，我们可得到比较满意的二值图为了去掉物体中少量的黑色
转载
2023-11-16 14:41:52
318阅读
作者 | 李秋键今天我们将利用python+OpenCV实现对视频中物体数量的监控，达到视频监控的效果，比如洗煤厂的监控水龙头的水柱颜色，当水柱为黑色的超过了一半，那么将说明过滤网发生了故障。当然不仅如此，我们看的是图像视频处理的技巧，你也可以将项目迁移到其他地方等，这仅仅是一个例子而已。我们知道计算机视觉中关于图像识别有四大类任务：分类-Classification：解决“是什么？”的问题，
转载
2024-02-02 18:19:32
265阅读
文章目录前言一、物体识别算法原理概述1、物体识别的概念2、Yolo算法原理概述二、opencv调用darknet物体识别模型（yolov3/yolov4）1、darknet模型的获取2、python调用darknet模型实现物体识别3、LabVIEW调用darknet模型实现物体识别yolo_example.vi4、LabVIEW实现实时摄像头物体识别（yolo_example_camera.v
转载
2023-11-21 19:29:00
138阅读
利用轮廓检测，我们可以检测出目标的边界，并容易地定位。它通常是许多有趣应用，如图像前景提取，简单图像分割，检测和识别。轮廓线在计算机视觉中的应用一些非常酷的应用程序已经建立，使用轮廓进行运动检测或分割。下面是一些例子:运动检测: 在监控视频中，运动检测技术的应用非常广泛，包括室内外安全环境、交通控制、体育活动中的行为检测、无人值守物体检测，甚至视频压缩等。在下面的图中，可以看到在视频流中检测人的
转载
2023-12-13 09:54:21
274阅读
基本概念自动识别技术（Automatic Identification and Data Capture）就是应用一定的识别装置，通过被识别物品和识别装置之间的接近活动，自动地获取被识别物品的相关信息，并提供给后台的计算机处理系统来完成相关后续处理的一种技术。自动识别技术将计算机、光、电、通信和网络技术融为一体，与互联网、移动通信等技术相结合，实现了全球范围内物品的跟踪与信息的共享，从而给物体赋予
转载
2023-11-27 12:36:19
5阅读
阿尔伯特·爱因斯坦曾经说过这么一句话“如果你不能简单地解释它，你就不能很好地理解它”，我深以为然！尤其是在计算机视觉领在业务中，阻止AI发展的主要障碍之一是深度学习解决方案是需要完全掌握和理解这些工具的工作方式，这是极其复杂的。除此之外，还有为业务案例开发和实施正确的解决方案的时效性。显然，该列表并非详尽无遗，因此企业在实施此类工具时会慢慢采取行动。我还要补充说，与一个更简单且可能更旧的解决方
转载
2024-08-10 18:08:01
41阅读
本次笔记的内容主要是实现对形状的检查，使用Opencv中的函数实现图片中图形的监测。1、首先开始对原始图形进行预处理。String path="../shapes.png";
Mat img;
img=imread(path);
cvtColor(img,imgGray,COLOR_BGR2GRAY);
GaussianBlur(imgGray,imgBlur,Size(3,3),3,0);
Ca
转载
2023-07-28 13:59:20
1084阅读
目标检测技术作为计算机视觉的基础任务之一，在过去几十年取得了显著的进步，尤其近几年，随着深度学习的发展，基于深度神经网络的标准正框目标检测方法迅速取代了传统方法，成为智能安防、家居、出行等领域不可或缺的关键技术，比如人脸检测、人体检测、车辆检测、通用物体检测等。然而，还有一些场景的目标普遍带有任意旋转的多角度并且呈现密集排列，普通正框检测的方法无法满足需求，比如遥感目标检测、货架商品
数字图像与机器视觉--基于python+opencv识别硬币和细胞数量以及条形码检测一、用奇异值分解（SVD）对一张图片进行特征值提取（降维）处理奇异值分解(Singular Value Decomposition，以下简称SVD)是在机器学习领域广泛应用的算法，它不光可以用于降维算法中的特征分解，还可以用于推荐系统，以及自然语言处理等领域。具体代码如下import numpy as np
imp
转载
2023-08-17 16:14:26
714阅读
尺度不变特征核心是不同尺度拍摄的两幅图像的同一个物体，对应的两个theta比率等于拍摄两幅图像的尺度的比率。而OpenCV提供的SIFT和Surf正是利用尺度不变性就行特征点检测的代表。它们的原理可以参考本文的参考文献，写的很详细，本来想在这里介绍下它们的原理的，但是看到参考的blog中写的太好了，我不能写的这么清楚，就省去了。使用起来也很方便，比如利用Sift找到匹配物体代码如下：int mai
转载
2024-01-12 11:09:50
179阅读
本文作者：小嗷 例如，在上面的图片中，你可以看到，汽车的镜子只不过是一个包含了像素点的所有强度值的矩阵。我们如何获取和存储像素值可能根据我们的需要而变化，但最终，计算机世界中的所有图像都可能被简化为数字矩阵和描述矩阵本身的其他信息。OpenCV是一个计算机视觉库，它的主要焦点是处理和操作这些信息。因此，您需要熟悉的第一件事是OpenCV如何存储和处理图像。MatOpenCV自2001年以来就一直存
转载
2024-06-18 21:32:12
133阅读
# 使用 Python OpenCV 识别物体个数
在计算机视觉领域，物体识别是一个非常重要的任务。我们可以使用 Python 的 OpenCV 库来识别图像中的物体并统计它们的数量。本文将通过一个示例逐步介绍如何使用 OpenCV 进行物体检测和计数，随后我们将使用饼状图展示结果。
## 一、环境准备
在开始之前，请确保您已经安装了以下库：
```bash
pip install num
转载
2024-03-01 14:49:16
122阅读
