问题标签 [feature-detection]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
opencv - OpenCV：检测视频源中的闪烁灯
我有一个视频源。此视频源包含几个以不同速率闪烁的灯。所有的灯都是相同的颜色（它们都是红外 LED）。如何检测这些闪烁灯的位置和频率？
免责声明：我对 OpenCV非常陌生。我确实有一份Learning OpenCV的副本，但我发现它有点压倒性。如果有人可以用 OpenCV 术语解释解决方案，将不胜感激。我不希望为我编写代码。
algorithm - 数据集中的组检测
假设一组数据点，例如此处绘制的数据点（此图并非针对我的问题，仅用作合适的示例）：
从视觉上检查散点图，很明显数据点形成了两个“组”，其中一些随机点显然不属于任何一个。
我正在寻找一种算法，它可以让我：
- 从两个或多个维度的数据集开始。
- 在事先不知道可能存在多少（或如果有）的情况下从数据集中检测此类组
- 一旦检测到组，“询问”组的模型，如果一个新的样本点似乎适合任何组
php - 什么是裁剪图像以避免空白或空白区域的好算法或库？
我有一大堆插图图像，我想将它们裁剪为更小的预览尺寸。
问题是我想裁剪它们以显示插图的“有趣”部分（即避免空白区域）。
图像通常具有平坦的颜色或背景的微妙渐变。它们大多是具有相当不同形状的矢量风格的艺术品。
以下是一些示例：链接;-)
我一直在考虑使用某种带有滑动窗口的图像特征检测算法来找到具有最多特征的区域。
我在 PHP 中实现它，但如果没有可用的库或扩展，我不介意自己实现它。
想法？
python - 用opencv和python检测标记
我正在尝试检测网络摄像头视频源中的标记并用 3d 对象覆盖它 - 几乎就像这样：http ://www.morethantechnical.com/2009/06/28/augmented-reality-with-nyartoolkit- opencv-opengl/
我知道artoolkit是最好的模块，但我希望只在python中使用opencv，因为我不知道几乎足够的c/c++能够使用artoolkit。我希望有人能够让我走上正确的轨道来检测标记并确定其位置和方向等，因为我不知道如何最好地解决这个问题或我应该使用什么功能。
android - 如何判断安卓设备是否有触摸屏？
我花了相当多的时间让我的 UI 只能使用键盘输入。但最后我不确定我是否可以依靠Android设备都有触摸屏的假设。
有没有办法确定安卓设备是否有触摸屏？
algorithm - 实现 Harris 角点检测器
我正在为教育目的实施哈里斯角检测器，但我被困在哈里斯响应部分。基本上，我正在做的是：
- 计算 x 和 y 方向的图像强度梯度
- (1) 的模糊输出
- 根据 (2) 的输出计算 Harris 响应
- 在 3x3 邻域和阈值输出中抑制 (3) 输出中的非最大值
1 和 2 似乎工作正常；但是，作为 Harris 响应，我得到的值非常小，并且没有任何点达到阈值。输入是标准的户外摄影。
对于示例图片，max 最终为 6.4163e-018，这似乎太低了。
c++ - 使用 OpenCV 和 C++ 进行激光检测
我想用网络摄像头跟踪一个激光点（在墙上），我正在使用 openCV 来完成这项任务。任何人都可以建议我用 C++ 做到这一点。
谢谢 ！
android - 如何在 Android 设备中检测屏幕是电容式还是电阻式？
我正在开发一个应用程序，它的行为会因屏幕类型而略有不同。有什么方法可以检测到吗？
colors - 肤色检测
我正在使用以下算法来检测肤色，但它在不同的光照条件下效果不佳。任何人都可以提供任何建议如何改进它或提出更好的方法
http://softexpert.wordpress.com/2007/10/17/skin-color-detection/
干杯
c - 在非常大的图像中进行内存高效的线拼接
背景
我使用来自合成孔径雷达卫星的非常大的数据集。这些可以被认为是一侧大约 10k 像素的高动态范围灰度图像。
最近，我一直在开发Lindeberg 的尺度空间脊检测算法的单尺度变体的应用程序，用于检测 SAR 图像中的线性特征。这是对使用方向滤波器或使用霍夫变换的改进，这两种方法以前都使用过，因为它的计算成本比任何一种都低。（我将在 4 月的JURSE 2011上展示一些最近的结果，如果有帮助，我可以上传预印本）。
我目前使用的代码会生成一个记录数组，每个像素一个，每个记录都描述了像素右下角矩形中的一个脊段，并以相邻像素为界。
一个条目ridges包含一个山脊段，如果恰好两个,top和具有在 0 - 128 范围内的值。假设我有：leftrightbottom
然后我可以找到山脊段的起点 (x1,y1) 和终点 (x2,y2)：
当这些单独的山脊段被渲染时，我得到一个像这样的图像（一个大得多的图像的一个非常小的角落）：
这些长曲线中的每一条都是由一系列微小的山脊段渲染而成的。
确定两个包含山脊段的相邻位置是否相连是很简单的。如果我有ridge1at (x, y) 和at (x+1, y)，那么如果 0 <= <= 128和= ridge2，它们是同一行的一部分。ridge1.right ridge2.leftridge1.right
问题
理想情况下，我想将所有山脊段拼接成线，这样我就可以遍历图像中找到的每条线以应用进一步的计算。不幸的是，我发现很难找到一种既低复杂度又节省内存并且适合多处理的算法（在处理非常大的图像时所有重要的考虑因素！）
我考虑过的一种方法是扫描图像，直到找到一个只有一个链接的山脊段的山脊，然后遍历结果线，将线中的任何山脊标记为已访问。但是，这不适合多处理，因为如果没有昂贵的锁定，就无法判断是否没有另一个线程从另一个方向（例如）走同一条线。
读者建议作为一种可能的方法是什么？过去似乎有人会想出一种有效的方法来做这种事情……