2012 年 6月随笔档案 - tornadomeet

Qt学习之路_5(Qt TCP的初步使用)

摘要：在上一篇博文Qt学习之路_4(Qt UDP的初步使用) 中，初步了解了Qt下UDP的使用，这一节就学习下TCP的使用。2者其实流程都差不多。当然了，本文还是参考的《Qt及Qt Quick开发实战精解》一书中的第5个例子，即局域网聊天工具中的UDP聊天和TCP文件传送部分。另外http://www.yafeilinux.com/上有其源码和相关教程下载。其发送端界面如下：接收端界面如下：发送端，也即承担服务器角色的操作：在主界面程序右侧选择一个需要发送文件的用户，弹出发送端界面后，点击打开按钮，在本地计算机中选择需要发送的文件，点击发送按钮，则进度条上会显示当前文件传... 阅读全文

posted @ 2012-06-30 14:46 tornadomeet 阅读(44673) 评论(1) 推荐(2) 编辑

Qt学习之路_4(Qt UDP的初步使用)

摘要：为了使用Qt自带的Socket进行网络编程，先必须熟悉Socket编程的原理，另外还需对Qt一些基本类的操作比较熟悉。由于刚接触不久，所以还是以看人家的代码来学习。这次主要是学Qt下UDP的编程，且熟悉一些Qt下代码的编写流程，所以本文参照的是《Qt及Qt Quick开发实战精解》一书中的第5个例子：局域网聊天工具中的UDP聊天部分。另外http://www.yafeilinux.com/ 上有其源码和相关教程下载。该程序实现的功能是：局域网内，每个用户登录到聊天软件，则软件界面的右端可以显示在线用户列表，分别显示的是用户名，主机名，ip地址。软件左边那大块是聊天内容显示界面，这里... 阅读全文

posted @ 2012-06-28 19:28 tornadomeet 阅读(62850) 评论(22) 推荐(3) 编辑

Qt学习之路_3(VS下Qt的信号与槽初次体验)

摘要：在Qt中是使用信号与槽的机制来完成事件的响应过程的。网上Qt的开发基于Qt Creator的资料比较多，基于vs下的资料除了其环境配置方面的外就剩下很少了。开始以为2者环境下的开发方式相同，后面稍微接触了下发现还是有微妙的区别的，Qt在vs下毕竟是add-in嵌入的，用起来不如Creator中方便，比如对某控件而已不能自动go to slot,所以一些固定格式的代码需要自己手动添加，幸运的是，2者下的开发大致相同。本文按官网上一篇英文资料操作了一遍，初步体验了Qt中的信号与槽的机制，网址为： http://doc.qt.nokia.com/vs-add-in-1.1.7/vs-add... 阅读全文

posted @ 2012-06-27 19:32 tornadomeet 阅读(10100) 评论(1) 推荐(0) 编辑

Qt学习之路_2(VS下Qt设计师文件的使用)

摘要：当装完了在vs下编译好了的Qt和Qt Visual Studio Add-in后，我们就可以用VS来进行Qt方面的开发了。在VS下新建一个Qt工程，选择Qt Application项，如下图所示：输入项目名称和确定项目目录(注意Qt相关的项目目录中不能包含中文文字)，此处我用的项目名是first_experience直接点击finish，采用默认配置。双击打开first_experience.ui文件，随便拖几个图标什么的做个界面，反正我们只是用来显示界面而已，不实现其他功能。我随便弄了个界面如下所示：下面我们就用4种方法实现当程序运行时显示上面界面的功能。法1... 阅读全文

posted @ 2012-06-25 12:10 tornadomeet 阅读(9200) 评论(1) 推荐(0) 编辑

本人部分博客导航(ing...)

摘要：Deep Learning学习笔记:Deep learning：五十一(CNN的反向求导及练习)Deep learning：五十(Deconvolution Network简单理解)Deep learning：四十九(RNN-RBM简单理解)Deep learning：四十八(Contractive... 阅读全文

posted @ 2012-06-24 19:39 tornadomeet 阅读(44547) 评论(25) 推荐(18) 编辑

目标跟踪学习笔记_4(particle filter初探3)

摘要：( 注：本文为这学期一个作业，关于粒子滤波的介绍在前面2篇博客中已提到过，即：目标跟踪学习笔记_2(particle filter初探1) 目标跟踪学习笔记_3(particle filter初探2)前面2篇博客已经提到当粒子数增加时会内存报错，后面又仔细查了下程序，是代码方面的问题。所以本次的代码与前几次改变比较小。当然这些code基本也是参考网上的。代码写得很不规范，时间不够，等以后有机会将其优化并整理成类的形式。) Opencv实现粒子滤波算法摘要本文通过opencv实现了一种目标跟踪算法——粒子滤波算法，算法的思想来源于文献[1][2],且在其思想上稍微做了些修改。其大概过程是：首. 阅读全文

posted @ 2012-06-23 11:01 tornadomeet 阅读(13787) 评论(12) 推荐(3) 编辑

Reading papers_10(人体行为识别特征点提取小综述)

摘要：这是本学期一门课程的论文。(注：本人看过的行为识别特征提取方面的文章就10来篇，所以本综述大部分内容是参考其他人的综述的，有些并不是自己的成果，个人功底还没这么雄厚…)行为识别特征提取综述摘要人体行为识别目前处在动作识别阶段，而动作识别可以看成是特征提取和分类器设计相结合的过程。特征提取过程受到遮挡，动态背景，移动摄像头，视角和光照变化等因素的影响而具有很大的挑战性。本文将较全面的总结了目前行为识别中特征提取的方法，并将其特征划分为全局特征和局部特征，且分开介绍了其优缺点。关键字：行为识别特征提取全局特征局部特征1. 前言如今人体行为识别是计算机视觉研究的一个热点，人体行为识... 阅读全文

posted @ 2012-06-22 10:38 tornadomeet 阅读(20218) 评论(8) 推荐(3) 编辑

图像分割学习笔记_1(opencv自带meanshift分割例子)

摘要：Meanshift不仅可以用于图像滤波，视频跟踪，还可以用于图像分割。一般而言一副图像的特征点至少可以提取出5维，即(x,y,r,g,b)，众所周知，meanshift经常用来寻找模态点，即密度最大的点。所以这里同样可以用它来寻找这5维空间的模态点，由于不同的点最终会收敛到不同的峰值，所以这些点就形成了一类，这样就完成了图像分割的目的，有点聚类的意思在里面。有一点需要注意的是图像像素的变化范围和坐标的变化范围是不同的，所以我们在使用窗口对这些数据点进行模态检测时，需要使用不同的窗口半径。因此在opencv自带的meanshift分割函数pyrMeanShiftFiltering()... 阅读全文

posted @ 2012-06-06 19:28 tornadomeet 阅读(54735) 评论(15) 推荐(0) 编辑

神经网络学习笔记_1(BP网络分类双螺旋线)

摘要：这个也是本学期模式识别的一个小作业题。实验目的：采用神经网络的方法对二维双螺旋样本点进行分类。实验数据：由于本次的实验数据是双螺旋，需要用数学公式产生，其产生方法见参考文献[1]. 即由下面的公式产生：实验数据分为2部分：训练数据和测试数据。由于双螺旋曲线有自己的方程表达式，我们产生的测试数据不能与训练数据一样，否则训练出来的网络没有说服力，因此我们在程序中2个样本集在双螺旋曲线上的采样间隔不同，且起始位置不同，这样保证了测试样本和训练样本的数据集没有重叠，训练出来的模型的分类能力更具有说服力。下图是试验过程中产生的训练样本和测试样本分布图：其中训练样本200个，每条螺... 阅读全文

posted @ 2012-06-05 22:18 tornadomeet 阅读(13712) 评论(2) 推荐(3) 编辑

总结系列_6(matlab错误调试,续...)

摘要：安装matlab2012a后运行matlab是，出现如下错误：解决方法是： a. 在matlab安装目录下搜索：pathdef.m文件添加到**toolbox\local\下。 b. 然后在matlab命令行窗口运行restoredefaultpath和matlabrc命令。 c. 依次点击file->set path->default.保存后退出。 2.在使用matlab的神经网络训练函数train时，经常会出现如下错误提示：即function ’subsindex’ is not defined for values of class ‘network’…… 原因是... 阅读全文

posted @ 2012-06-05 20:26 tornadomeet 阅读(3303) 评论(2) 推荐(0) 编辑

初步体验libsvm用法3(matlab实例)

摘要：本次所讲的是libsvm在matlab中的2个应用实例，是本学期模式识别的2个编程作业题。一、16棋盘格数据分类试验目的：产生16棋盘的训练数据，用svm训练出一个模型，然后对新来的样本进行分类预测。试验说明：训练数据样本数为1600个，即每个格子中随机产生100个数据点，分为2类，2种颜色分布在16个格子中，相交分布。测试数据样本点数为320个，即每个格子中的数据点为20个。如果分类预测正确，则用绿色画出，预测错误，则用红色画出。实验结果：产生的训练样本分布图如下所示：训练样本分布图如下：预测结果如下(如果分类正确用绿色显示，否则用红色显示)：实验结果评价... 阅读全文

posted @ 2012-06-04 16:45 tornadomeet 阅读(20289) 评论(3) 推荐(1) 编辑

初步体验libsvm用法2(matlab下安装使用)

摘要：在前面的博文《初步体验libsvm用法1(官方自带工具)》：http://www.cnblogs.com/tornadomeet/archive/2012/04/12/2443993.html 中已经初步介绍了使用官方自带的svm几个exe文件来可视化操作分类问题，但是在实际编程中，svm的训练和预测有可能只是项目工程的一部分，嵌入在其中了。我们不能单独拿出来处理。所以libsvm需要与其他的计算机语言平台相结合。这一节主要讲libsvm在matlab下的初步体验。我的matlab版本为matlab(R2011b),c/c++编译器为vs c++2010(32位)。这里需要注意的是... 阅读全文

posted @ 2012-06-02 20:26 tornadomeet 阅读(9294) 评论(4) 推荐(0) 编辑

前景检测算法_4(opencv自带GMM)

摘要：前面已经有3篇博文介绍了背景减图方面相关知识(见下面的链接)，在第3篇博文中自己也实现了gmm简单算法，但效果不是很好，下面来体验下opencv自带2个gmm算法。 opencv实现背景减图法1(codebook和平均背景法) http://www.cnblogs.com/tornadomeet/archive/2012/04/08/2438158.html opencv实现背景减图法2(帧差法) http://www.cnblogs.com/tornadomeet/archive/2012/05/01/2477629.html opencv实现背景减图法3(GMM) http... 阅读全文

posted @ 2012-06-02 10:59 tornadomeet 阅读(31951) 评论(15) 推荐(3) 编辑

前景检测算法_3(GMM)

摘要：摘要本文通过opencv来实现一种前景检测算法——GMM，算法采用的思想来自论文[1][2][4]。在进行前景检测前，先对背景进行训练，对图像中每个背景采用一个混合高斯模型进行模拟，每个背景的混合高斯的个数可以自适应。然后在测试阶段，对新来的像素进行GMM匹配，如果该像素值能够匹配其中一个高斯，则认为是背景，否则认为是前景。由于整个过程GMM模型在不断更新学习中，所以对动态背景有一定的鲁棒性。最后通过对一个有树枝摇摆的动态背景进行前景检测，取得了较好的效果。关键字：GMM,opencv，前景检测前言前景检测主要分为帧差法，平均背景法，光流法，前景建模法，背景非参数估计，背景建模法等。而.. 阅读全文

posted @ 2012-06-02 09:37 tornadomeet 阅读(36671) 评论(19) 推荐(7) 编辑

基础学习笔记之opencv(6)：实现将图片生成视频

摘要：在做实验的过程中，难免会读视频中的图片用来处理，相反将处理好的图片又整理输出为一个视频文件也是很常用的。下面就来讲讲基于opencv的C++版本中图片输出视频是怎么实现的。本次试验的数据为摇摆的树枝树叶图片，Waving Trees，其来源网址为： http://research.microsoft.com/en-us/um/people/jckrumm/WallFlower/TestImages.ht 该数据全由bmp图片组成。本次试验的工程环境为：opencv2.3.1+vs2010 实验功能：将多张bmp彩色图片生成一个avi格式的灰度视频文件。在试验过程中，需要注意一下... 阅读全文

posted @ 2012-06-02 09:13 tornadomeet 阅读(16546) 评论(7) 推荐(1) 编辑

搜索

常用链接

我的标签

积分与排名

随笔分类 (468)

随笔档案 (252)

阅读排行榜

评论排行榜

推荐排行榜

最新评论