opencv 第八章 目標跟蹤
8.1 檢測移動的目標
利用幀差異
1.將第一幀設定為輸入的背景，對每幀進行灰度轉換和平滑濾波操作
2.將後續讀取的幀計算與背景的差異，得到差分圖
3.對差分圖進行二值化和膨脹，然後在差分圖中找輪廓
opencv3中有三種背景分割器：k-nearest（knn）、mixture of gaussians（mog2）、geometric multigid（gmg）
8.2.1 均值漂移和gamshift
均值漂移（meanshift）是一種目標跟蹤演算法，該演算法尋找概率函式離散樣本的最大密度，並重新計算在下一幀的最大密度，給出了目標的移動方向。重新進行該計算知道與原始中心匹配，或者在連續迭代計算後中心保持不變（收斂）。
直方圖反向投影：將得到的直方圖投影到影象上，得到每個畫素屬於原始影象的概率。
camshift與均值漂移相似，不同的是，會根據具體的旋轉來繪製矩形，這種旋轉會與被跟蹤物件一起旋轉。
卡爾曼濾波器
對含有雜訊的輸入資料流進行遞迴操作，並產生底層系統狀態在統計意義上的最優估計。分為以下兩個階段。
**：用由當前點計算的協方差來估計目標的新位置。
更新：記錄目標的位置，並為下一次迴圈計算修正協方差。
opencv 第九章 人工神經網路ann
ann是乙個統計模型：空間s和概率p，p是s的近似分布。
感知器：接受多輸入輸出乙個值的函式。每個輸入都有乙個與之相關聯的權重，用來表示函式中輸入的重要性。權重是自適應的，可以通過學習及時調整。
輸入層：輸入的數目=屬性值
輸出層：輸出的數目=類別數
隱藏層：數目取經驗值，在輸入層與輸出層大小之間，若輸入層與輸出層大小相差很大，隱藏層數目與輸出層更接近。對於相對較小的輸入層，隱藏層=2/3（輸入+輸出）或 隱藏層<2*輸入。
過擬合：待分類訓練資料提供的資訊沒有什麼意義，而隱藏層又含有太多資訊時會發生過擬合。
第八章 指標 第八章 指標
1 什麼是位址 include using namespace std int main 11 在堆中建立對像 我們既然可以在堆中儲存變數，那麼也就可以儲存對像，我們可以將對像儲存堆中，然後通過指標來訪問它 include using namespace std class human 14 在建構...
第八章（筆記）
能在 中進行記憶體單元的定址的暫存器只有4個，分別是bx si di bp 其中bx bp 是基址，bx對應的段位址是ds，bp對應的段位址是ss si di 是變址，單獨使用時段位址是ds，組合使用段位址是跟隨組合的基址對應的段位址 中進行記憶體單元定址彙總 si di bx bp 常量 si 常...
第八章 字典
d 空字典 d 這就是字典 d dict.fromkeys a b d dict zip keyslist,valslist d dict name bob age 22 建立字典的函式 d name 通過索引key獲取對應的value d.keys 返回d字典物件所有key，返回乙個列表 d.va...