常用目标检测方法（转）
2011-06-09 01:37
225 查看
目标检测：或者在每帧中都进行检测，或者在目标出现时检测。有利用当前帧信息检测的，也有利用连续帧的相关信息检测的。后者最常用的方法是帧间差分。常用的目标检测方法有四类：
Point Detector: Moravec's 算子, Harris算子, SIFT算子, Affine Invariant Point Detector
Segmentation: MeanShift, Graph-Cut, Active Contour
Background Modeling: 混合高斯模型, Eigenbackground, Wall flower, 动态纹理背景
Supervised Classifiers: 支持向量机, 神经网络, Adaptive Boosting
点检测：寻找图像中的特征点。特征点是在各自位置具有代表性纹理特征的点。
特征点最有意义的属性是其对光照和摄像头视角变换具有不变性。
常用的有Moravec's 算子, Harris算子, SIFT算子, KLT算子 其中SIFT算子的图像变形的效果最好
本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/lynphoenix/archive/2011/02/08/6174410.aspx
Point Detector: Moravec's 算子, Harris算子, SIFT算子, Affine Invariant Point Detector
Segmentation: MeanShift, Graph-Cut, Active Contour
Background Modeling: 混合高斯模型, Eigenbackground, Wall flower, 动态纹理背景
Supervised Classifiers: 支持向量机, 神经网络, Adaptive Boosting
点检测：寻找图像中的特征点。特征点是在各自位置具有代表性纹理特征的点。
特征点最有意义的属性是其对光照和摄像头视角变换具有不变性。
常用的有Moravec's 算子, Harris算子, SIFT算子, KLT算子 其中SIFT算子的图像变形的效果最好
本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/lynphoenix/archive/2011/02/08/6174410.aspx
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- Opencv运动目标检测常用方法
- 背景减除是运动目标检测的常用方法，写出三种背景减除方法。
- Background Subtraction and Modeling 常见的目标检测中的背景建模方法漫谈
- C#图像处理之图像目标质心检测的方法
- python知识点(一)：python检测代码效率常用方法
- Android常用工具方法（关闭软键盘，安装apk，检测程序是否安装...）
- RCNN系列目标检测方法概述
- 目标检测中背景建模方法
- 目标检测中背景建模方法
- 目标检测方法简介:RPN(Region Proposal Network) and SSD(Single Shot MultiBox Detector)
- Unix常用手工入侵检测方法与命令
- 场景文字检测常用方法：
- Android模拟器检测常用方法
- 目标检测最新方法介绍
- GIT 版本控制软件的常用命令记录每次更新到仓库 现在我们手上已经有了一个真实项目的 Git 仓库，并从这个仓库中取出了所有文件的工作拷贝。接下来，对这些文件作些修改，在完成了一个阶段的目标和使用方法
- 目标检测中背景建模方法
- halcon边缘提取和检测常用方法
- 目标检测方法系列——R-CNN, SPP, Fast R-CNN, Faster R-CNN, YOLO, SSD
- Jetson TX1上使用目标检测库YOLO出现电脑崩溃问题的解决方法
- 常用电子元器件检测方法与经验