首页 > TAG信息列表 > feature-detection
JavaScript重定向导致不良的搜索引擎结果
我有一个HTML5演示站点(http://html5beats.com/),该站点使用JavaScript来检测某些HTML5功能.如果没有这些功能,我会重定向到“请更改或升级您的浏览器”页面,因为它们对于使网站正常运行至关重要. 问题在于某些搜索引擎(尤其是Google)似乎遵循了重定向.这将导致讨厌的“不支持您的opencv和python:如何在掩码中使用cv2.surf()
我是opencv和python的新手,正在尝试收集图像中人脸的关键点和描述符. 我使用带有正面人脸模板的HAAR级联分类器来查找图像中的人脸. HAAR级联为我提供了标记图像中人脸的坐标列表.我想在这些坐标处生成一个“蒙版”,以便可以使用cv2.surf()提取蒙版区域内的关键点和描述符. 我不知python-如何使用OpenCV和SIFT查找我的训练图像的多个实例
到目前为止,我已经能够使用BFMatcher非常准确地从查询图像中的训练图像中检测关键点.但是,我的查询图像(蜂巢的框架)中有数十个训练图像(蜜蜂)的实例.是否可以使用SIFT查找另一个图像的多个独立实例? 理想情况下,我希望能够与上面的图像相吻合,使我可以将查询图像中的4个关键点与多c-使用预先计算的功能在OpenCV中进行BoW
我需要做BOW(单词袋),但是我只描述了图像的关键点. 目前,我已经使用以下方法获得了词汇表: cv::BOWKMeansTrainer bowtrainerCN(numCenters); //num clusters bowtrainerCN.add(allDescriptors); cv::Mat vocabularyCN = bowtrainerCN.cluster(); 所以现在我需要进行分配,但是我不OpenCV,Python:如何缝合两个不同大小和透明背景的图像
我一直致力于一个项目,在那里我用无人机在割草机模式中飞行的图像拼接在一起.我能够将单个图像中的图像拼接在一起(感谢stackoverflow上的许多答案)但是当我尝试将两个单独的传递拼接在一起时,我的方法产生的变换是荒谬的.这是我想要缝合的两个图像: 这里是我用来估计两者之间的单c – OpenCV中的非最大抑制
我使用openCV应用了哈里斯角点检测,它给出了潜在角落的响应图.文档说明角落可以作为此响应图的局部最大值找到 – 有谁知道如何做到这一点? 谢谢.解决方法:Harris和Shi-Tomasi角点探测器here都有一个完整编码的工作实现.角点探测器功能的第四个参数是CvPoint2D32f *结构.该函数将计c – 如何改进opencv中的功能检测
我正在开发一个项目,我需要使用opencv检测图像上的功能. 我在用 SURF detector; SURF extractor; BFMatcher matcher; 用于检测,提取和匹配点.它适用于某些图像,但在其他图像上失败. 例如,系统在此映像上失败: 显然,此图像具有一些纹理,并且特征检测器应检测它们,但未检测到任c – DLIB:训练194个地标的Shape_predictor(海伦数据集)
我正在使用helen数据集训练DLIB的194个面部地标的shape_predictor,该数据集用于通过dlib库的face_landmark_detection_ex.cpp检测面部地标. 现在它给了我一个大约45 MB的sp.dat二进制文件,与68个面部标志的给定文件(http://sourceforge.net/projects/dclib/files/dlib/v18.10/shape在Python中使用CV2填充圆检测?
我试图检测images like this.中的所有圈子 我有很多不同的图像,但是在所有圆圈中都是黑色(或几乎是黑色)并且尺寸相同(/ – 几个像素).我相信每张图片中只有2943个圆圈.这些条件永远不变.我可能无法控制图像中圆圈的大小(半径通常在15-45像素之间 – 上面提供的示例图像的半径为20c – OpenCV 3.0.0 SurfFeatureDetector和SurfDescriptorExtractor错误
我正在尝试实现OpenCV 3.0.0 SURF功能描述和检测,但在OpenCV站点上运行示例代码后,我收到所有与SURF相关的错误.什么可能出错?谢谢! #include <stdio.h> #include <iostream> #include "opencv2/core.hpp" #include "opencv2/features2d.hpp" #include "opencv2/highgui.hpp" #ipython – OpenCV硬币检测和自动结果检查
我正在开展一个硬币识别项目. 我遇到的第一件事就是从图像中提取正确的硬币,即使是非常简单的图像也是如此.硬币检测有很多好的工作方法,但我认为所有这些都需要在申请后进行人工检查.我测试了其中两个: cv2.HoughCircles和阈值与findig countours之后. 这里有一些成功的处理示例: cvPython中的峰值检测:scipy.signal.find_peaks_cwt函数如何工作?
我想在某些光谱仪数据中找出一些峰值,并试图使用scipy.signal.find_peaks_cwt()函数来完成它. 然而,我发现的official documentation并不是太具描述性,并且往往会在噪声中拾取假峰值,而有时却没有在数据中拾取实际峰值. 任何人都可以给我一个更好的解释这个函数中我可以使用的参数,