NYC's Blog 机器视觉实战5：安卓端目标检测App开发
上篇文章《机器视觉实战4：OpenCV Android环境搭建（喂饭版）》中介绍了如何使用Android Studio搭建OpenCV开发环境，本节基于之前搭建好的环境开发一个基于神经网络的目标检测App。准备模型首先从这里下载已经训练好的模型文件：deploy.prototxt：神经网络结构的描述文件mobilenet_iter_73000.caffemodel：神经网络的参数信息这个模型...
机器视觉实战4：OpenCV Android环境搭建（喂饭版）
本文介绍如何构建OpenCV Android开发环境，在OpenCV与Android Studio集成的过程中，看了很多文章，但实际操作的时候都还是多多少少碰到了一些问题，所以写一篇文章，总结记录一下，也希望能够帮助到他人。我使用的环境是：MacOS 10.15.3Android Studio 3.6.1（下载，包含MacOS Android SDK）OpenCV Android SDK 3...
机器视觉实战3：基于Hog特征的目标检测
上篇文章《机器视觉实战2：基于Haar特征的目标检测》中介绍了如何使用Haar特征进行目标检测，本文介绍另外一种目标检测算法：基于HOG特征的目标检测。该算法是在Dalal和Triggs于2005年发表的论文 Histogram of Oriented Gradients for Human Detection 中提出的，他们当时正在研究行人检测。HOG特征和Haar特征类似，都是一种提取特...
机器视觉实战2：基于Haar特征的目标检测
Haar Cascades是Paul Viola和Michael Jones在2001年发表的论文"Rapid Object Detection using a Boosted Cascade of Simple Features"中提出的一种目标检测算法。论文中写的非常细致，网上相关的文章也很多，作为一个非学院派、业余AI爱好者就只简单说一下其原理。我们知道一个好的分类模型一般至少需要两个...
机器视觉实战1：Ball Tracking With OpenCV
本文是机器视觉实战系列第1篇，实现的一个通过颜色来小球的检测和运动轨迹跟踪，效果如下：原文出处：Ball Tracking with OpenCV.项目学习代码学习我使用的环境是：MacOS+Python3.7.4+OpenCV 4.2.0.相比于原文，我对代码做了一些小修改，并且加了一些中文注释，方便你理解。整个项目代码如下：import argparse
import time
from...
OpenCV学习笔记（7）——关于RGBA的存储
其实前面我已经说过OpenCV中关于RGBA的存储问题，但是为了强调，这里专门单独拿出来介绍一下。在OpenCV中有分别有1通道图，2通道图，3通道图，4通道图。我们最常用的是3通道图，即RGB图，4通道图是在3通道图的基础上多了一个Alpha分量，用于表示透明这个特性。虽然我们一般说的时候都是RGBA的顺序，但其实在内存里面，图像的存储顺序是BGRA BGRA BGRA …。而我们知道在O...
OpenCV学习笔记（6）——绘图（包括字体和文字）
绘图是OpenCV经常使用的一个地方，很多时候我们需要绘制图像或者在已有的图像上方绘制一些图像。1. 绘制直线函数原型：
void cvLine(
CvArr* array,
CvPoint pt1,
CvPoint pt2,
CvScalar color,
int thickness = 1,
int connec...
OpenCV学习笔记（5）——ROI
在以前介绍IplImage结构的时候，有一个重要的参数——ROI。ROI全称是"Region Of Interest”,即感兴趣的区域。实际上，它是IPL/IPP（这两个是Inter的库）结构IplROI的实例。IplROI包含xOffset、yOffset、height、width和coi成员变量。其中COI代表channel of interest（感兴趣的通道）。ROI的思想是：一旦设...