opencv

光流的概念是指在连续的两帧图像当中，由于图像中的物体移动或者摄像头的移动而使得图像中的目标形成的矢量运动轨迹叫做光流。本质上光流是个向量场，表示了一个像素点从第一帧过渡到第二帧的运动过程，体现该像素点在

[TOC](cv2.error: OpenCV(3.4.5) ~opencv-3.4.5/modules/dnn/src/darknet/darknet_importer.cpp:214: error: (-212:Parsing error)

个人体验yolov5最大的感觉就是惬意舒适。 比起object_detection 一个训练花费我10小时，一个只有1.1个小时（都是迁移训练） 一个检测速度等待了十几秒，一个只需0.01

# 注：sift必须在3.4.2下运行，后面的有专利import numpy as np
import cv2
from matplotlib import pyplot as pltMIN_MATCH_COUNT

python用opencv的dnn模块实现Yolo-Fastest 循环目标检测 思路来自于这篇blog：https://blog.csdn.net/nihate/article/details/108670542 什么是 ope

工具
1.git：去git官网下载：https://git-scm.com/downloads/，下载自己需要的版本，下载完成后按照默认步骤安装即可
2.pycocotools&#xf

调用笔记本自带摄像头实时捕获帧
调用笔记本自带摄像头，实现捕获摄像头帧。设置显示框名称为‘window’，并等待鼠标或键盘任意键按下。如果鼠标或键盘任意键没有按下，则继续捕获；若按下&#

在本部分中，将之前的优达学城的整套目标检测与跟踪算法改写为ros实时处理，但改写完成后利用我现有的数据包实时检测跟踪，并计算TTC，发现效果不尽人意啊。。。算法的鲁棒性整体较差&#xff0

使用环境：
Windows10Raspberry Pi 4BPython ：3.7.3
Windows下使用 AprilTags
在windows中安装 apriltags 库：
pip ins

1.检测时，在推理时把视频帧传入gpu中进行推理 2.视频编码格式设置为MJPG 3.换更加轻量级的模型进行识别 4.采用队列的方法，使用生产者消费者的概念进行识别