J'ai une question simple, que je veux savoir, quel type de bibliothèques sont disponibles et peuvent donner de bons résultats pour la mise en œuvre de la mise en œuvre du tamis, du porc (gradient orienté histogramme) et de surfer dans C ++ ou OpenCV?
Par conséquent: 1- Donnez-moi le lien pour le code si vous le pouvez, que je serai aussi apprécié. 2- Si vous en savez l'un d'entre eux ou de tout type d'information pour me conduire à ce que je veux, je serai aussi apprécié.
merci
6 Réponses :
Vérifiez ceci: le surf - excellent article http://people.csail.mit.edu/kapu/papers/mar_mir08.pdf tamiser - bonne source, je l'ai essayé sur l'iPhone http://blogs.oregonstate.edu/hess/ - Bibliothèque de détection de coin rapide rapide http://svr-www.eng.cam.ac. UK / ~ er258 / Travail / Fast.HTML
Peut vous aider à savoir que les implémentations de tamis et de surf sont déjà intégrées à OpenCV. http://openv.willowgaRage.com/documentation/cpp/features2d__feuture_detection_and_descriptor_extraction.html
exemple de code de surf dans OpenCV https://code.ros.org/trac /opencv/browser/trunk/opencv/samples/cpp/matching_to_many_images.cpp
Je ne sais pas si cela est toujours pertinent, mais vous obtenez également deux implémentations de descripteurs de porc calcul dans OpenCV I.e. Les versions GPU et CPU du code de la HOG.
Pour la version CPU, vous pouvez consulter cette Publication du blog
Cependant, dans la version du processeur, vous devez écrire votre propre logique pour les fenêtres coulissantes.
Et la version GPU est assez simple, vous pouvez lire la documentation ici
Soyez prudent des implémentations de l'OPENCV, car les dernières versions d'OPENENV ont classé les implémentations de tamis et de surf classées comme Vous pouvez maintenant les utiliser, mais ils sont probablement soumis à des licences et ne peuvent pas être utilisés pour des solutions commerciales.
Merci beaucoup pour la note , je l'utilise pour le projet étudiant et jusqu'à présent, cela fonctionne très bien avec moi ..
Celui-ci utilise des descripteurs basés sur les chaînes de porc, de sobel et de laboratoire pour la détection Forêts de Hough spécifiques de classe pour la détection d'objet ( code source OpenCV / C ).
Plutôt, effectuer la détection à chaque emplacement possible, cette approche calcule un vote pour chaque descripteur, puis lorsqu'il est mis ensemble, ils produisent un nuage de vote où le maximum correspondra à la localisation la plus probable de la cible. Lorsque combiné avec CVGoodFeatureTursoTrack peut produire de très bons résultats, même avec une petite base de données de formation.