问题标签 [feature-detection]

我有一个想法，我需要能够从渲染的 3D 数字电影中识别某些对象或模型。

经过有限的研究，我现在知道我需要的是计算机视觉领域的特征检测。

所以，我想做的是：

1. 创建电影中某个角色的一些屏幕截图（例如，前/后/左/右）
2. 播放电影
3. 在播放电影时，不断创建电影的新截图
4. 对于每个屏幕截图，执行特征检测（SIFT？，使用 openCV？）以查看是否存在我们的任何角色外观（如果角色距离较远并因此显得更小，或者角色是否在撒谎，则它们仍然必须被识别下）。
5. 发现角色时发出通知

这可以通过 OpenCV 实现，对吧？

“问题”是我必须学习 c++ 或 python 来开发这个应用程序。如果我的电影和屏幕截图适用于我想做的事情，这不是问题。

所以，我想先测试一下我的电影截图。是否有一个 GUI 版本的 OpenCV，我可以输入我的测试数据，然后手动执行它的特征检测算法作为原型设计的一种手段？

任何反馈表示赞赏。谢谢。

我的 JavaScript 如何检测事件是否可用？

我知道一些很棒的事件兼容性表，但我需要使用功能检测，而不是浏览器嗅探和查找表。

具体来说，我的 JS 充分利用了 DOM 突变事件 (DOMNodeInserted和DOMSubtreeModified)——它在除（当然）Internet Explorer 之外的所有浏览器中都运行良好。

那么，我将如何检测浏览器是否支持DOMNodeInserted？

我正在寻找执行以下操作的解决方案：

（我的问题的重点是第 2 步。）

1. 一张房子的照片，包括前院

2. 从图片中提取信息，例如房屋、树木、人行道和汽车的尺寸和位置。此外，房子、汽车、树木和人行道的纹理和颜色。

3. 使用提取的信息生成模型

我怎样才能提取这些信息？

如何使用特征检测来确定浏览器是否支持 :hover 伪类？如果可能的话，我想不使用条件注释来包含特定于 ie6 的脚本文件。

我将 html5boilerplate 与 Modernizr 库一起使用。我的应用程序是使用 jQuery 构建的。Modernizr 和 jQuery 都内置了特征检测，但我的理解是 Modernizr 更完整。我打算使用 Modernizr 进行特征检测，除非有充分的理由为此使用 jQuery。

我的应用程序仅适用于更现代的浏览器（例如 IE7+、Firefox、Chrome、Safari 和更新的 Opera），但它在 IE6 中仍然可以使用。如果用户使用的是旧版浏览器（例如 IE6），我想确保用户看到一个很大的警告。如果他们还没有使用 Chrome 或其他一些兼容 HTML5 的浏览器，我还想显示一个“建议”。

我不想使用用户代理测试。

• 是否有我应该测试的特定功能列表以确定用户是否使用 IE6？
• 是否有我应该测试的特定功能列表来确定用户是否使用相当兼容的 HTML5 浏览器（Chrome、Safari、IE9 等）进行浏览？

Windows Installer 5 添加了对超链接控件的支持，如果可用，我想使用它。我无法设置对 Windows Installer 5 的依赖项（不支持 WinXP），但如果在运行安装程序时 Windows Installer 5 可用，我希望我的安装程序能够使用超链接控件。

你是如何做到这一点的？基于versionMsi属性的片段文件的条件导入？谷歌代码搜索或常规谷歌搜索没有发现很多样本。

我一直在 android 和 iphone 上测试我们的移动网站，并觉得我有一个适用于这些浏览器的良好工作网站。问题是我刚拿到黑莓5，结果非常糟糕。我们正在使用 jquery，js 加载需要 20 多秒才能定向。

我的想法是，在 BlackBerry 5 或更低版本的浏览器上删除或严格限制我们对 js 的使用可能会更好，这让我走上了浏览器检测的道路。

我在这个项目中使用了modernizr，我想知道是否有我们可以检测到的特定功能或一组功能，然后我可以将浏览器分为优秀、良好、中等和差的组，如在下方的 Quirks Mode Browser 列表。或者，我会接受一个答案，将其分为优秀和其他一切。

http://quirksmode.org/mobile/mobilemarket.html

我一直找不到关于如何使用 C# 和 openCV 实现 FAST 特征检测算法的教程，我无法从文档中弄清楚。如何实现 FAST 特征检测，特别是特征匹配（类似于 SURF 特征跟踪示例）。

有什么帮助吗？

我正在使用 Python 中的 NLTK 构建垃圾邮件过滤器。我现在检查单词的出现并使用 NaiveBayesClassifier 产生 0.98 的准确度和 0.92 的垃圾邮件和非垃圾邮件的 F 度量：0.98。但是，当检查我的程序错误的文档时，我注意到很多被归类为非垃圾邮件的垃圾邮件都是非常短的消息。

所以我想把文档的长度作为 NaiveBayesClassifier 的一个特征。问题是它现在只处理二进制值。除了例如说：长度<100 = true / false之外，还有其他方法吗？

（ps 我已经构建了类似于http://nltk.googlecode.com/svn/trunk/doc/book/ch06.html示例的垃圾邮件检测器）

我已经看到很多使用以下方法检测对边界半径的支持的示例：

但这似乎不适用于支持边界半径的 IE9。我错过了什么吗？