Ubuntu+vscode+Opencv+Opencv_contrib C++ support环境搭建流程之前我们介绍了Windows搭建vscode opencv contrib的流程。由于后期需要用到linux开发，所以需要在linux上搭建相应的环境。本文完整介绍了如何在ubuntu环境下进行opencv环境搭建的流程。系统要求：ubuntu20.04：软件要求：vscode latest,

Ubuntu20.04编译opencv3.4.9 with CUDA10.2 support先前在编译opencv的时候，没有CUDA支持，本文介绍了opencv3.4.9添加CUDA支持的编译过程。OPENCV使用CUDA的文档可以参考：https://docs.opencv.org/3.4.9/da/d2c/tutorial_table_of_content_gpu.html编译前的准备工作：

《局部对比度结合区域显著性红外弱小目标检测》作者提出了一种区域局部对比度算法，仅在图像的显著性区域中进行局部对比度计算，而非遍历整幅图像。首先进行基于图像信息熵和局部相似性的红外图像区域显著性度量，经二值化得到单帧图像显著性区域；在该区域中进行局部对比度数值计算，得到区域局部对比度图像；最后经过自适应阈值分割，得到弱小目标检测结果；区域显著性度量本文提出的方法主要针对弱小目标的红外图像，对于人眼而

https://www.cnblogs.com/skyfsm/p/6806246.html

在vscode中使用opencv2.4.12，在已安装opencv3.x的情况下之前我们讲了如何编译opencv2.4.12的方法，本文讲如何在vscode中使用opencv2412。实际上，由于ubuntu下面已经安装了opencv3.x版本，一般而言，opencv3.x在安装后，头文件一般会被放在/usr/local/include目录下面。opencv2.4.12编译后是不能make ins

ubuntu20.04编译opencv-2.4.12，与opencv349共存7月7日：由于需要对struck目标跟踪算法进行评估，而struck算法的官方实现需要用到两个指定版本的库，分别是Opencv 2.4.12以及Eigen3.2.6，所以需要在ubuntu20.04环境下额外编译opencv-2.4.12（以下简称opencv2412）。花了一天时间寻求解决办法，这个过程还是比较麻烦，现

目标跟踪方法中科院长光所孙海江团队做了一些目标跟踪相关的工作，主要包括MeanShift方法改进，低小慢目标检测，滑动平均目标检测，纹理复杂度和信息熵，特征融合，红外弱小目标检测等等。 本文主要梳理了孙海江团队的工作。复杂背景灰度图像下的多特征融合运动目标跟踪 (2016)本文是对MeanShift方法的改进， 传统MeanShift方法主要是利用彩色直方图作为前景目标的特征， 然后进行逐帧匹配，

复杂动背景下的“低小慢”目标检测技术，论文阅读和复现代码本文的目的是要检测低空中的慢速目标，我复现了本文算法（修正了一些模块），下面给出复现的细节。视觉显著性模型视觉显著性反应了人眼感知系统对视觉信号灯响应。原文给出的模型描述存在问题正确的模型如下：S(x,y)=∑i=0255fiC(I(x,y),i)S(x, y) = \sum_{i=0}^{255} f_i C(I(x, y), i)S(x,

ANN简介作为深度学习的基础，神经网络模型有着很重要的作用。我们来看一下ANN的定义：神经网络是由具有适应性的简单单元组成的广泛并行互联的网络，它的组织能够模拟生物神经系统对真实世界物体所作出交互反应。在经典ANN模型中，简单单元，即M-P神经元模型。

质心跟踪算法实现过程这里目前只给出了CPU版本，GPU版本的后续补上。我在网上看的大部分质心跟踪算法不是正统的目标跟踪，而是在多目标跟踪中结合目标检测算法不同帧之间的相同目标做一个link。调研过程没有发现有相对比较完整的质心跟踪算法的实现，本文主要利用c++实现了质心跟踪算法，主要参考：https://wenku.baidu.com/view/ce958ce30a1c59eef8c75fbfc7