OpenNI-Windows-x86-2.1.0.msi
OpenNI-Windows-x86-2.1.0.msi下载
OpenNI2获取华硕XtionProLive深度图和彩色图并用OpenCV显示 详情见: http://blog.csdn.net/masibuaa/article/details/36422215
OpenNI1.5 + NITE1.5 + Sensor5.1 三个正好配套使用,用来获取Kinect或Xtion的深度图和彩色图
OpenNI1.5获取华硕XtionProLive深度图和彩色图并用OpenCV显示 华硕XtionPro类似Kinect,都是体感摄像机,可捕捉深度图和彩色图, 详见:http://blog.csdn.net/masibuaa/article/details/36396335
[2012 ICPR]A new depth descriptor for pedestrian detection in RGB-D images 一种在RGB-D图像中检测行人的新的深度描述子 文章翻译:http://blog.csdn.net/masibuaa/article/details/19688815
[2011 IROS]People detection in RGB-D data 利用RGB-D数据进行人体检测 文章翻译:http://blog.csdn.net/masibuaa/article/details/19640709
[2010 PAMI] Object Detection with Discriminatively Trained Part Based Models Pedro F. Felzenszwalb, Ross B.Girshick, David McAllester and Deva Ramanan 翻译见:http://blog.csdn.net/masibuaa/article/details/17924671
[2008 CVPR] A Discriminatively Trained, Multiscale, Deformable Part Model 文章翻译见: http://blog.csdn.net/masibuaa/article/details/17533419
本文提出了一种实时并且精准的人体检测架构C4。C4在目前最高精确度下可以达到20帧每秒的检测速度,并且是在只使用一个处理线程和不使用GPU等硬件的情况下达到的。能达到实时而精确的检测源于以下两点:第一,相邻像素差值的符号是描述轮廓的关键信息;第二,CENTRIST描述子非常适合做人体检测,因为它编码了符号信息并且可以隐式地表达全局轮廓。使用CENTRIST描述子和线性分类器,我们提出了一种不需要显式生成特征向量的计算方法,它不需要图像的预处理或特征向量的归一化,只需要O(1)时间去测试一个图片区域。C4也非常适合进一步的硬件加速,我们在一个嵌入式的1.2GHz CPU上同样实现了20fps的高速人体检测。
用首次训练获得的SVM在负样本原图上检测HardExample并保存为文件。 使用时请自行修改工程的include目录和lib目录配置。