计算机视觉Python,计算机视觉领域的python第三方库

　　比重当量指数简介步态能量图(GEI步态能量图像)是步态检测中最非常常用的特征，提取方法简单，也能很好的表现步态的速度，形态等特征。其定义如下：

　　其中，表示在第q个步态序列中，时刻t的步态剪影图中坐标为(x，y)的像素值。

　　步态周期的判断使用步态剪影的宽、高之比即可，这个值比较容易而且随步态状态呈现周期性变化。

　　步态剪影单张步态剪影图需调节成宽为w，高为H的大小。调节时保持剪影的比例不变，即如果剪影本身w/hW/H，则将剪影放缩为W*(W*h/w )大小，并在宽*高竖直居中放置。得到重新标度的步态剪影的代码：

　　//获取调整大小的步态图像如果(！walk _ img。empty()){ vector向量点轮廓；vectorVec4i层次结构；mat walk_img_tmpthreshold(walk _ img，walk _ img _ tmp，128，255，THRESH _ BINARY)；findContours( walk_img_tmp，Contours，hierarchy，CV_RETR_TREE，CV_CHAIN_APPROX_SIMPLE，Point(0，0))；矢量矢量点轮廓_多边形(轮廓。size())；向量矩形边界(轮廓。size())；int max rect height=0；int maxRectId=0；如果(轮廓。size()0){ for(int I=0；I轮廓。size()；i ){//drawContours( walk_img，Contours，I，标量(255，255，255)，2，8，层次结构，0，Point())；//以指定的精度逼近多边形曲线approxPolyDP( Mat(contours[i])，contours_poly[i]，3，true)；//计算点集的右上边框bound rect[I]=bounding rect(Mat(contours _ poly[I])；if(boundRect[i].heightmaxrecheight){ maxrecheight=bound rect[I].身高；maxRectId=I；}}//rectangle( walk_img，boundRect[maxRectId].tl()，boundRect[maxRectId].br()，标量(255,255,255),2,8,0);double aspect _ ratio=(double)bound rect[maxRectId].height/boundRect[maxRectId].宽度；double base _ aspect _ ratio=(double)gei _ height/gei _ width；纵横比。push _ back(纵横比)；if(aspect _ ratio=base _ aspect _ ratio){ Mat gait _ ROI=walk _ img(boundRect[maxRectId])；mat gait _ ROI _ tmp double resize _ scale=double(gei _ height)/gait _ ROI。行；resize(gait_roi，gait_roi_tmp，size()，resize_scale，resize _ scale)；Mat gait _ img=Mat:zeros(gei _ height，gei_width，CV _ 8uc 1)；for(int I=0；igei _ height I){ uchar * p _ tmp=gait _ ROI _ tmp。普图查尔(一)；uchar * p=gait _ img。普图查尔(一)；对于(int j=(gei _ width-gait _ ROI _ tmp。cols)/2，k=0；kgait _ roi _ tmp.colsk，j){ p[j]=p _ tmp[k]；} } gait _ imgs。push _ back(gait _ img)；} else { Mat gait _ ROI=walk _ img(boundRect[maxRectId])；mat gait _ ROI _ tmp double resize _ scale=double(gei _ width)/gait _ ROI。colsresize(gait_roi，gait_roi_tmp，size()，resize_scale，resize _ scale)；Mat gait _ img=Mat:zeros(gei _ height，gei_width，CV _ 8uc 1)；int I=(gei _ height-gait _ ROI _ tmp。rows)/2；for(int k=0；kgait _ roi _ tmp.rowsk，I){ uchar * p _ tmp=gait _ ROI _ tmp。ptruchar(k)；uchar * p=gait _ img。普图查尔(一)；for(int j=0；jgei _ width j){ p[j]=p _ tmp[j]；} } gait _ imgs。push _ back(gait _ img)；}}步态能量图比重当量指数

　　得到比重当量指数即把上一步每个周期得到的所有图加权平均即可。

　　if(aspect _ ratios。size()4)break；//获取步态特征：步态能量图像矢量max _ id for(int I=2；我观察比率。size()-2；I){ if((aspect _ ratios[I]aspect _ ratios[I-1])(aspect _ ratios[I]aspect _ ratios[I-2])(aspect _ ratios[I]aspect _ ratios[I 1])(aspect _ ratios[I]aspect _ ratios[I 2])max _ ids。push _ back(一)；}//对于for(int cycle _ id=1；cycle _ idmax _ ids。size()；cycle _ id){ int gait _ start _ id=max _ ids[cycle _ id-1]；int gait _ end _ id=max _ ids[cycle _ id]-1；Mat gait _ energy _ img=Mat:zeros(gei _ height，gei_width，CV _ 32F)；if(gait _ end _ id-gait _ start _ id=6 gait _ end _ id-gait _ start _ id30){ for(int g=gait _ start _ id；g=gait _ end _ IDG){ Mat gait=gait _ imgs[g]；mat gait _ tmp gait . convertto(gait _ tmp，CV _ 32F)；gait _ energy _ img=gait _ energy _ img gait _ tmp；# ifdef GAIT _ DEBUGchar tmp[50]；itoa(g，tmp，10)；imshow(tmp，gait)；# endif }//等待键(10000)；gait _ energy _ img=gait _ energy _ img/(float)(gait _ end _ id-gait _ start _ id 1)；for(int r=0；rgait _ energy _ img . rowsr){ float * p=gait _ energy _ img。ptr浮动(r)；for(int c=0；cgait _ energy _ img . colsc)feature _ outp[c]" "；} feature _ outendllabel _ output people _ id _ ITER walk _ condition _ ITER _ iterendl；cout 步态特征周期# cycle _ id-1 endl；# ifdef GAIT _ debug mat GAIT _ enery _ img _ show；步态_能量_ img。convertto(gait _ enery _ img _ show，CV _ 8uc 1)；imshow(GEI ，gait _ enery _ img _ show)；等待键(10000)；#endif}}}

　　在中国科学院自动化研究所数据集B数据集上得到每个角度比重当量指数图：

　　（转载请注明作者和出处：http://博客。csdn。净/肖伟_cqu未经允许请勿用于商业用途)

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。