Olezha

Здравствуйте! В рамках учебной деятельности занимаюсь распознаванием аномальных ситуаций в переполненных сценах. Так вышло, что я выбрал распознавание на основе оптического потока из которого мне нужно извлечь свойства для построения модели поведения. В основном во всех статьях расписаны общие сведения об алгоритмах и т.д. и нет конкретики. Может посоветуете с помоью чего из потока можно извлечь такие свойства как направление скорость и ускорение (как пример)

Здравствуйте! В рамках учебной деятельности занимаюсь распознаванием аномальных ситуаций в переполненных сценах. Так вышло, что я выбрал распознавание на основе оптического потока из которого мне нужно извлечь свойства для построения модели поведения. В основном во всех статьях расписаны общие сведения об алгоритмах и т.д. и нет конкретики. Может посоветуете с помоью чего из потока можно извлечь такие свойства как направление скорость и ускорение (как пример)

http://esa-conference.ru/wp-content/uploads/files/pdf/Ermolchev-Aleksej-YUrevich.pdf Нашел пример как подобрать оптимальные параметры и хочу повторить его, но не совсем понимаю откуда взять координаты именно той точки которую мы зараенее выбрали

А вы не могли бы мне по подробнее объяснить, что я получаю в результате работы метода calcOpticalFlowPyrLK. Что содержит в себе матрица ошибок и можно ли ее как-то использовать?

Здравствуйте! Написал программу вычисления оптического потока используя алгоритм Лукаса-Канаде. Весь алгоритм состоит из нескольких шагов, вычисление маски переднего плана, для подачи на вход детектору ключевых точек, нахождение точек и подача их на вход алгоритму лукаса-канаде, затем применение Forward-Backward фильтра. Тперь необходимо провести какой-нибудь вычислительный эксперимент, времени очень мало, поэтому может поделитесь идеями как можно его быстро протестировать?

Нет, мне нужно исходя из данной функции выбирать интенсивность

Здравствуйте! Я наклажываю шум на изображение с помощью следующей функции: bool AddGaussianNoise_Opencv(const Mat mSrc, Mat &mDst, double Mean = 0.0, double StdDev = 10.0) { if (mSrc.empty()) { cout << "[Error]! Input Image Empty!"; return 0; } Mat mSrc_16SC; Mat mGaussian_noise = Mat(mSrc.size(), CV_16SC3); randn(mGaussian_noise, Scalar::all(Mean), Scalar::all(StdDev)); mSrc.convertTo(mSrc_16SC, CV_16SC3); addWeighted(mSrc_16SC, 1.0, mGaussian_noise, 1.0, 0.0, mSrc_16SC); mSrc_16SC.convertTo(mDst, mSrc.type()); return true; } double StdDev = 10.0 значение, как я понял, как раз и отвечает за уровень шума на выходном изображении. Но для эксперимента мне нужна количественная оценка шума, чтобы я мог устанавливать значения от 0 до 100%. Где проценты, это как раз проценты интенсивности шума.

Здравствуйте! Стоит задача в оценке уровня шума на изображении. Т.е. на вход подается какое-то одиночное изображение и нужно, как-то количественно определить насколько оно зашумлено, можно это как-то сделать? Есть пример такой программы для матлаба: https://www.mathworks.com/matlabcentral/fileexchange/36921-noise-level-estimation-from-a-single-image/content/NoiseLevel.mно мне нужно на плюсахКто нибудь решал подобные задачи или может поделиться чем-то полезным на этот счет?

А если к примеру, это будут люди? Я имел ввиду Fast, который можно обучить, в каком-то источнике он был назван Faster.

Здравствуйте! Стоит задача в распознавании объектов на видео. Я выбрал набор методик, которые хочу реализовать для решения данной задачи, а именно искать особые точки методом FASTER с обучением, строить их описание с помощью BRIEF и затем сопоставлять с эталоном методом рандомных деревьев, так же с обучением. Я в этом деле новичок, поэтому хотел бы узнать, это все похоже на здравую идею или полный бред?