1.基於 open cv 的目標物體顏色及輪廓的識別方法
（1）基於hsv顏色空間的目標識別，影象預處理採用高斯濾波、中值濾波。
（2）在每個通道進行建立滑動條和閾值化處理。（引數調節和效果圖對比比較直觀）
（3）對每個通道的檢測的影象進行先膨脹後腐蝕的閉運算（去除被檢測到物體的邊緣噪
點及其他雜訊影響），然後查詢和繪製輪廓，而後畫框，建議瞄準點。（針對戰隊計畫）
（4）實現重要就是建立下面的滑動條，來動態調參，以找到比較優的閾值引數。
2. 一種基於顏色特徵的目標識別演算法
(1) rgb 顏色空間不直觀, 從中很難知道該值所表示的顏色的認知屬性。hsi 空間、yuv 空間則不同, 它們用兩維來表示光譜, 用第三維來表示色彩的強度。但 hsi 空間是非線性變換, 會造成大量運算及低飽和度時顏色空間的奇異性; 而 yuv 空間是線性轉換, 轉換容易, 耗時少。根據這些理論選擇 yuv 空間作為目標顏色檢測的顏色空間。
(2)文獻方法有點抽象，有待後續進一步理解
3.一種足球機械人中指定顏色屬性物體的識別方法
(1)rgb空間對映到hsv彩色空間,從彩色圖象中提取出色調灰度圖和亮度灰度圖,使用成熟的灰度圖門限分割技術,將真彩色圖象中的指定色彩的物體從背景中識別出來.並通過引入亮度有效改進了hsv模型中當rgb值較小時色調不準確地缺點,從而有效地去除陰影的影響.
（2）原理上說,較之rgb模型更適合於用作識別處理的基礎.色調屬性h能比較特徵地反映顏色種類.對同一顏色屬性物體,具有比較穩定和較窄的數值變化範圍,可以選作為基本識別引數.但是當rgb較小,即亮度v較小時,色調h值趨向於不確定〔 3〕 ,不同顏色物體的色調區別不顯著.此時,識別的引數值應包括亮度v.因此本文採用hsv模型作為識別處理基礎,選取其中的h和v引數作為識別處理的判別依據.
（3）當我們想識別某種顏色的物體時,對於色調可以給出較窄的波段,而對於亮度給予較寬的波段。
3.基於物體顏色和尺寸特徵的機械人視覺演算法
(1)對影象進行預處理後，根據目標物體顏色特徵，利用閾值法及種子生長法進行影象分割，然後對分割後的影象進行連通域標記。
(2)影象分割包含閾值選擇、種子獲取、區域生長、形態學膨脹。
(3)基於顏色提取出目標之後，在此基礎上，可以依據三維定位之後的深度尺寸，計算裝甲板燈條的長寬，來基於形狀進行過濾非目標。
4.一種自適應顏色特徵的目標識別與跟蹤法
(1)在實際應用中,分別要對目標色彩的h,s,i分量進行閾值設定。要進行分割跟蹤的顏色由hl,hh,hl,sh,ih,ih6個分量來確定。這6個值的初始化是通過對賽場感興趣區域靜態採集、並進行數理統計得到的。經論證,採集到的影象上同一顏色區域各畫素點是服從類正態分佈的隨機變數,文中對感興趣區域的shi值分別求取樣本平均值和樣本標準差來估計對應的期望值μ和標準差σ。由「3σ」法則知道,hsi各分量取值落在對應(μ- 3σ,μ+ 3σ)上的概率為99.74%。
5.基於顏色與形狀特徵的交通標誌檢測方法
(1) 先對整幅影象基於hsv空間進行紅、黃、藍顏色提取。
(2) 對提取出的備選區域進行形態學濾波，去掉影象中的雜訊干擾。
(3) 依據形狀特徵提取影象中的三角、圓、矩形區域。
基於embedding的重識別方法
in defense of the triplet loss for person re identification githttps github.com visualcomputinginstitute triplet reid 框架 theano 摘要 一般來說，在訓練基於度量的網路的時候，...
例解 目標驅動的度量元識別方法
1 識別需要資料的人 person 服務經理 2 識別管理目標 goal 要解決的問題 problem 提高客戶請求的處理速度 3 定義如何量化管理目標 要解決的問題 3.1 識別被度量的物件 object 待處理的客戶變更請求 3.2 識別被度量物件的屬性 attribute 待處理的變更請求的個...
例解 目標驅動的度量元識別方法
1 識別需要資料的人 person 服務經理 2 識別管理目標 goal 要解決的問題 problem 提高客戶請求的處理速度 3 定義如何量化管理目標 要解決的問題 3.1 識別被度量的物件 object 待處理的客戶變更請求 3.2 識別被度量物件的屬性 attribute 待處理的變更請求的個...