2013计算机视觉代码合集四

标签：des   style   blog   http   io   ar   color   os   使用   

特征提取

• SURF特征: http://www.vision.ee.ethz.ch/software/index.de.html(当然这只是其中之一)

• LBP特征(一种纹理特征)：http://www.comp.hkbu.edu.hk/~icpr06/tutorials/Pietikainen.html

• Fast Corner Detection（OpenCV中的Fast算法）:FAST Corner Detection -- Edward Rosten

机器视觉

• A simple object detector with boosting(Awarded the Best Short Course Prize at ICCV 2005，So了解adaboost的推荐之作)：http://people.csail.mit.edu/torralba/shortCourseRLOC/boosting/boosting.html

• Boosting(该网页上有相当全的Boosting的文章和几个Boosting代码，本人推荐)：http://cbio.mskcc.org/~aarvey/boosting_papers.html

• Adaboost Matlab 工具：http://graphics.cs.msu.ru/en/science/research/machinelearning/adaboosttoolbox

• MultiBoost(不说啥了，多类Adaboost算法的程序)：http://sourceforge.net/projects/multiboost/

• TextonBoost(我们教研室王冠夫师兄的毕设): Jamie Shotton - Code

• LibSvm的老爹（推荐）: http://www.csie.ntu.edu.tw/~cjlin/

• Conditional Random Fields（CRF论文+Code列表，推荐）

• CRF++: Yet Another CRF toolkit

• Conditional Random Field (CRF) Toolbox for Matlab

• Tree CRFs

• LingPipe: Installation

• Hidden Markov Models（推荐）

• 隐马尔科夫模型(Hidden Markov Models)系列之一 - eaglex的专栏 - 博客频道 - CSDN.NET（推荐）

综合代码

• CvPapers(好吧，牛吧网站，里面有ICCV，CVPR，ECCV，SIGGRAPH的论文收录，然后还有一些论文的代码搜集，要求加精！)：http://www.cvpapers.com/

• Computer Vision Software(里面代码很多，并详细的给出了分类)：http://peipa.essex.ac.uk/info/software.html

• 某人的Windows Live（我看里面东东不少就收藏了）：https://skydrive.live.com/?cid=3b6244088fd5a769#cid=3B6244088FD5A769&id=3B6244088FD5A769!523

• MATLAB and Octave Functions for Computer Vision and Image Processing（这个里面的东西也很全，只是都是用Matlab和Octave开发的）：http://www.csse.uwa.edu.au/~pk/research/matlabfns/

• Computer Vision Resources（里面的视觉算法很多，给出了相应的论文和Code，挺好的）：https://netfiles.uiuc.edu/jbhuang1/www/resources/vision/index.html

• MATLAB Functions for Multiple View Geometry（关于物体多视角计算的库）：http://www.robots.ox.ac.uk/~vgg/hzbook/code/

• Evolutive Algorithm based on Naïve Bayes models Estimation（单独列了一个算法的Code）：http://www.cvc.uab.cat/~xbaro/eanbe/#_Software

主页代码

• Pablo Negri‘s Home Page

• Jianxin Wu‘s homepage
  

• Peter Carbonetto

• Markov Random Fields for Super-Resolution

• Detecting and Sketching the Common

• Pedro Felzenszwalb

• Hae JONG, SEO

• CAP 5416 - Computer Vision

• Parallel Tracking and Mapping for Small AR Workspaces (PTAM)

• Deva Ramanan - UC Irvine - Computer Vision

• Raghuraman Gopalan

• Hui Kong

• Jamie Shotton - Post-Doctoral Researcher in Computer Vision

• Jean-Yves AUDIBERT

• Olga Veksler

• Stephen Gould

• Publications (Last Update: 09/30/10)

• Karim Ali - FlowBoost

• A simple parts and structure object detector

• Code - Oxford Brookes Vision Group

• Taku Kudo

行人检测

• Histogram of Oriented Gradient (Windows)

• INRIA Pedestrian detector

• Poselets

• William Robson Schwartz - Softwares

• calvin upper-body detector v1.02

• RPT@CVG

• Main Page

• Source Code

• Dr. Luciano Spinello

• Pedestrian Detection

• Class-Specific Hough Forests for Object Detection

• Jianxin Wu‘s homepage（就是上面的）

• Berkeley大学做的Pedestrian Detector，使用交叉核的支持向量机，特征使用HOG金字塔，提供Matlab和C++混编的代码：http://www.cs.berkeley.edu/~smaji/projects/ped-detector/

视觉壁障

• High Speed Obstacle Avoidance using Monocular Vision and Reinforcement Learning

• TLD(2010年很火的tracking算法)

• online boosting trackers

• Boris Babenko

• Optical Flow Algorithm Evaluation (提供了一个动态贝叶斯网络框架，例如递 归信息处理与分析、卡尔曼滤波、粒子滤波、序列蒙特卡罗方法等，C++写的)http://of-eval.sourceforge.net/

物体检测算法

• Object Detection

• Software for object detection

人脸检测

• Source Code

• 10个人脸检测项目

• Jianxin Wu‘s homepage（又是这货）

ICA独立成分分析

• An ICA page-papers,code,demo,links (Tony Bell)

• FastICA

• Cached k-d tree search for ICP algorithms

滤波算法

• 卡尔曼滤波：The Kalman Filter(终极网页)

• Bayesian Filtering Library: The Bayesian Filtering Library

路面识别

• Source Code

• Vanishing point detection for general road detection

分割算法

• MATLAB Normalized Cuts Segmentation Code：software

• 超像素分割：SLIC Superpixels

ZZ： http://blog.sina.com.cn/s/blog_5086c3e20101kdy5.html，http://www.yuanyong.org/cv/cv-code-three.html

2013计算机视觉代码合集四

标签：des   style   blog   http   io   ar   color   os   使用   

原文地址：http://www.cnblogs.com/souxun2014/p/4138423.html