如何用OpenCV自带的adaboost程序训练并检测目标

我有这方面的论文和代码，把你邮箱留给我，我发给你

或者参考下边的链接，比较详细：

>

我认为大致就这意思了：自己琢磨琢磨吧f=imread（‘’）；imshow（f）[m,n]=size(f)；for i=1：mfor j=i:n。。。。。F(i,j)=对图像矩阵每个元素f(i,j)进行和红色进行比较啊，一样就留下，不一样就改为黑色。。。。endendfigure；imshow（F）

经典方法：背景差分法

效果比较好的方法是：无参估计背景减除法——ViBe

算法优点：思想简单，易于实现；样本衰减最优；运算效率高

算法缺点：把阴影当做前景；运动目标不完整。

优点：算法实现简单，程序设计复杂度低，运行速度快；动态环境自适应性强，对场景光线变化不敏感。

优点：实时性高

将单个目标的跟踪问题看作是MDP过程中的策略决定问题，从而多目标跟踪就变成了多个MDP的问题。

用MDP来建模一个物体，主要包括四个成分：

应用实例 1 ：视频监控

应用实例 2 ：导d飞机识别

(1) 首先对飞机红外图像做处理，包括平移旋转缩放等等模拟飞机的运动，得到 连续帧图像 作为实验样本。

(2) 使用 聚类算法 判断红外图像中天空背景的复杂度，然后采用 分割算法 分割出飞机；如果 天空背景 比较简单，就使用OTSU算法对飞机及逆行分割。

(3) 提取傅里叶 描述子 作为研究对象的 特征 。

(4) 最后使用目标跟踪算法。

以上就是关于如何用OpenCV自带的adaboost程序训练并检测目标全部的内容，包括:如何用OpenCV自带的adaboost程序训练并检测目标、运动目标检测与跟踪 都有哪些方法、怎样用opencv检测到运动目标等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！