此**只是簡單的實現了框選物的檢測追蹤。基本邏輯是基於相關性的模板匹配。如果有人臉識別庫的話，可以進行人臉識別。以後會完善**實現實時的目標追蹤。
1 *此資料夾含有多張相似的實拍圖，用於檢測演算法的模板追蹤2 list_files ('
c:/users/zx80-165/desktop/模板追蹤圖
', '
files
', imagefiles)
3 l:=|imagefiles|
4 read_image (image, '
c:/users/zx80-165/desktop/1212.bmp')
5get_image_size (image, width, height)
6 dev_open_window (0, 0, width/2, height/2, '
black
', windowhandle1)
7dev_display (image)
8 disp_message (windowhandle1, '
請建立模板並以滑鼠右擊結束
', '
window
', -1, -1, '
white
', '
false')
9 *滑鼠左鍵框選目標模板，右鍵確定
10draw_rectangle1 (windowhandle1, row1, column1, row2, column2)
11gen_rectangle1 (rectangle, row1, column1, row2, column2)
12area_center (rectangle, area, row, column)
13orientation_region (rectangle, phi)
14reduce_domain (image, rectangle, imagereduced)
15 create_ncc_model (imagereduced, '
auto
', -0.39, 0.79, '
auto
', '
use_polarity
', modelid)
16 dev_set_draw ('
margin')
17 dev_set_line_width (1
)18 *迴圈尋找相似的模板
19for i := 1 to l-1 by 1
2021
read_image (image1, imagefiles[i])
22 find_ncc_model (image1, modelid, -0.39, 0.78, 0.8, 1, 0.5, '
true
', 0
, row3, column3, angle, score)
2324 len:=|row3|
25if(len!=0
)26 vector_angle_to_rigid (row, column, phi+rad(90
), row3, column3, angle, hommat2d)
27 affine_trans_region (rectangle, regionaffinetrans, hommat2d, '
nearest_neighbor')
28dev_display (image1)
29dev_display (regionaffinetrans)
30else
3132
dev_display (image1)
33 disp_message (windowhandle1, '
沒有識別到
目標檢測簡單總結
two stage 參考資料 按照stage可以分為 two stage 谷歌在speed accuracy trade offs for modern convolutional object detectors中將目標檢測模型分為了三種元結構faster r cnn，r fcn和ssd 網上文章...
深度學習目標檢測
流程狂徒如下 1 使用selective search提取proposes，然後利用cnn等識別技術進行分類。2 使用識別庫進行預訓練，而後用檢測庫調優引數。3 使用svm代替了cnn網路中最後的softmax，同時用cnn輸出的4096維向量進行bounding box回歸。4 流程前兩個步驟 候...
目標檢測學習總結
準備踏入object detection的學習，先建乙個blog來記錄下自己的學習內容。在 目標檢測 任務中，主要解決的兩個問題，即影象中的多個目標物在 位置 以及是什麼？類別 通常來說，一般把其發展歷程分為三個階段 傳統的目標檢測方法 以r cnn為代表的結合region proposal和cnn...