OpenCV从 2.4.x升级到3.x中有很多代码重构和性能提高,还有API接口的整合,以Feature2D及其扩展模块的特征检测与描述为例,在OpenCV2.4.x中可以通过FeatureDetector...::create("特征名称");方法创建一个检测器,2.4.x中支持的检测类型如下。...3.1.0的版本如何调用这些API接口实现图像特征点检测与描述子生成。...以ORB为例特征检测生成关键点的代码如下: ? 运行结果如下: ?...由此可以,在OpenCV 3.1.0中各种特征检测与描述方法明显更多,给大家选择的余地更大,其中一些方法都是近几年的新发研究论文实现。
import cv2 img=cv2.imread('C:/Users/xpp/Desktop/Lena.png') fast=cv2.FastFeatureDetector_create()#创建FAST检测器...kps=fast.detect(img,None)#检测关键点,不使用掩模 img2=cv2.drawKeypoints(img,kps,None,color=(0,255,0))#绘制关键点 cv2....imshow('FAST points',img2)#显示绘制了关键点的图像 fast.setThreshold(30)#设置阈值30 kps=fast.detect(img,None)#检测关键点,...41.0, 454.0) 响应强度:46.0 邻域大小:7.0 角度:-1.0 第485个关键点,坐标:(128.0, 454.0) 响应强度:33.0 邻域大小:7.0 角度:-1.0 算法:Fast特征检测是根据像素周围...16个像素的强度和阈值等参数来判断像素点是否为关键点。
主要思路就是在特征点附近随机选取若干点对,将这些点对的灰度值的大小,组合成一个二进制串,并将这个二进制串作为该特征点的特征描述子。...如何解决旋转不变性: 在ORB的方案中,是采用了FAST作为特征点检测算子。...FAST应用的很多了,是出名的快,以防有人不知道,请看这里: 在Sift的方案中,特征点的主方向是由梯度直方图的最大值和次大值所在的bin对应的方向决定的。略嫌耗时。...参考Slides Related posts Android-opencv之CVCamera (1) 最新版的OpenCV中新增加的ORB特征的使用 看到OpenCV2.3.1里面ORB特征提取算法也在里面了...,套用给的SURF特征例子程序改为ORB特征一直提示错误,类型不匹配神马的,由于没有找到示例程序,只能自己找答案。
主要思路就是在特征点附近随机选取若干点对,将这些点对的灰度值的大小,组合成一个二进制串,并将这个二进制串作为该特征点的特征描述子。...如何解决旋转不变性: 在ORB的方案中,是采用了FAST作为特征点检测算子。...FAST应用的很多了,是出名的快,以防有人不知道,请看这里: 在Sift的方案中,特征点的主方向是由梯度直方图的最大值和次大值所在的bin对应的方向决定的。略嫌耗时。...在ORB的方案中,特征点的主方向是通过矩(moment)计算而来,公式如下: 有了主方向之后,就可以依据该主方向提取BRIEF描述子。...中新增加的ORB特征的使用 看到OpenCV2.3.1里面ORB特征提取算法也在里面了,套用给的SURF特征例子程序改为ORB特征一直提示错误,类型不匹配神马的,由于没有找到示例程序,只能自己找答案。
#ORB算法推导 ORB采用FAST (features from accelerated segment test) 算法来检测特征点。...现在我们考虑一下这个检测思路,当我们遍历图像矩阵的时候还需要再一次的去遍历图像参考像素点周边的点,所以这个思路需要进行优化,所以我们 只需要检测参考像素点的矩形区域阈值内的对角像素即可,当对角像素内的像素点存在...在OpenCV中通过构建高斯金字塔,然后在每一层金字塔图像上检测角点,来实现尺度不变性。...对于任意一个特征点 来说,我们定义 的邻域像素的矩为: ? 图像的质心为: ? 至此,我们可以把特征点与质心的夹角定义为FAST特征点的方向: ?...,靠近边缘edgeThreshold以内的像素是不检测特征点的。
(还没推完公式先贴上matlab和c的代码 from官方文档) 因为官方的shift.m直接跑起来会出问题。
性质: 实对称矩阵A的不同特征值对应的特征向量是正交的; n阶实对称矩阵A必可相似对角化,且相似对角阵上的元素即为矩阵本身特征值。...对角化: 优点:满秩的对角方阵,可以直接看出特征值,特征向量等重要特征。 卷积算子—Sobel算子 主要用于边缘检测,分别对水平和垂直方向上的边缘敏感。...注意:Harris 检测器具有旋转不变性,但不具有尺度不变性,也就是说尺度变化可能会导致角点变为边缘。想要尺度不变特性的话,可以关注SIFT特征。...Harris角点检测算子使用的是角点附近的区域灰度二阶矩矩阵。而二阶矩矩阵可以表示成一个椭圆,椭圆的长短轴正是二阶矩矩阵特征值平方根的倒数。...当特征椭圆转动时,特征值并不发生变化,所以判断角点响应值也不发生变化,由此说明Harris角点检测算子具有旋转不变性。 3. Harris角点检测算子不具有尺度不变性。
定量比较表明,特征检测器描述符检测大量特征的能力的一般顺序为: ORB>BRISK>SURF>SIFT>AKAZE>KAZE 每个特征点的特征检测描述计算效率的算法顺序为: ORB>ORB(1000)>...BRISK>BRISK(1000)>SURF(64D) >SURF(128D)>AKAZE>SIFT>KAZE 每个特征点的有效特征匹配顺序为: ORB(1000)>BRISK(1000)>AKAZE>...KAZE>SURF(64D) >ORB>BRISK>SIFT>SURF(128D) 特征检测器描述符的总体图像匹配速度可分为: ORB(1000)>BRISK(1000)>AKAZE>KAZE>SURF
检测过程中使用与该尺度层图像解析度相对应大小的滤波器进行检测,以3×3的滤波器为例,该尺度层图像中9个像素点之一图2检测特征点与自身尺度层中其余8个点和在其之上及之下的两个尺度层9个点进行比较,共26个点...精确定位极值点 这里也和sift算法中的类似,采用3维线性插值法得到亚像素级的特征点,同时也去掉那些值小于一定阈值的点,增加极值使检测到的特征点数量减少,最终只有几个特征最强点会被检测出来...在surf中,也是在特征点周围取一个正方形框,框的边长为20s(s是所检测到该特征点所在的尺度)。该框带方向,方向当然就是第4步检测出来的主方向了。...仿射不变特征点检测,提到了性能评价的方法 http://www.robots.ox.ac.uk/~vgg/research/affine/ 11....类似于FAST特征点的求法,SURF也可以使用通用接口求得,而SURF特征的类为SurfFeatureDetector,类似的SIFT特征点的检测类为SiftFeatureDetector。
HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。...它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。...因此HOG特征是特别适合于做图像中的人体检测的。...图片HOG特征提取方法就是将一个image(你要检测的目标或者扫描窗口):1)灰度化(将图像看做一个x,y,z(灰度)的三维图像);2)采用Gamma校正法对输入图像进行颜色空间的标准化(归一化);目的是调节图像的对比度...7)将图像image内的所有block的HOG特征descriptor串联起来就可以得到该image(你要检测的目标)的HOG特征descriptor了。这个就是最终的可供分类使用的特征向量了。图片
今天跟大家继续说说人脸检测的一些事,我们是否考虑过人脸检测,到底哪些特征是比较关键性的??? ? 面部传达着非常丰富的信息,这对于完整的社会互动至关重要。...为了有效地提取这些信息,需要从复杂的视觉场景中很容易地检测到人脸。在这里,我们询问了哪些特征是人脸检测的关键?...综上所述,这些发现意味着人脸检测机制被广泛调整,并被过度概括为某种无生命的刺激。因为这些无生命的刺激是高度可变的,所以它们可以用来回答基本的问题,即人脸检测机制用来将刺激归类为面部的关键特征是什么。...上图显示了获得最高、中间或最低面部评分的示例图像。为了确定哪些特征对于面部检测是重要的,我们计算了每个面部特征的116幅图像上的相关性和面部评级。 ?...参与者将这些图像与实验中呈现的刺激一起评定为真实性,因此相同的上下文用于具有和不具有特征的图像的评级。 讨论 该实验的目的是发现哪些特征对于面部检测是关键的。
摘要: 特征金字塔是多尺度目标检测系统中的一个基本组成部分。近年来深度学习目标检测特意回避金字塔特征表示,因为特征金字塔在计算量和内存上很昂贵。...目前人工特征式微,深度学习的CNN特征成为主流,CNN特征的鲁棒性很好,刻画能力强。即使如此,仍需要金字塔结构去进一步提升准确性,尤其在多尺度检测上。...结构上虽不错,但是前后层之间由于不同深度(depths)影响,语义信息差距太大,主要是高分辨率的低层特征很难有代表性的检测能力。...但是SSD对于高分辨率的底层特征没有再利用,而这些层对于检测小目标很重要。 ---- ? ---- 这篇文章的特征金字塔网络(图1(d))做法很简单,如下图所示。...(a)使用图像金字塔建立特征金字塔,每个独立的图像尺度上计算特征,这计算特别缓慢;(b)最近的检测系统已选择只使用单尺度特征,以便更快的检测;(c)另一种是利用金字塔特征层次计算的ConvNet当作一个特征化的图像金字塔
ifstat命令 ifstat能够监控网络接口,比較简单地查看网络流量 ifstat默认是不监控回环接口的流量的流量的单位是KB/s 使用ifstat -a能够监控全部的接口 -l 监測环路网络接口...缺省情况下,ifstat监測活动的全部非环路网络接口。经使用发现,加上-l參数能监測全部的网络接口的信息, 而不是仅仅监測 lo的接口信息。...也就是说,加上-l參数比不加-l參数会多一个lo接口的状态信息。 -a 监測能检測到的全部网络接口的状态信息。 使用发现,比加上-l參数还多一个plip0的接口信息。...比如那些接口尽管启动了可是未用的 -i 指定要监測的接口,后面跟网络接口名 -s 等于加-d snmp:[comm@][#]host[/nn]] 參数。...加上-n參数把周期性的显示接口名称关闭,仅仅显示一次) -t 在每一行的开头加一个时间 戳(能告诉我们详细的时间) -T 报告全部监測接口的全部带宽(最后一列有个total,显示全部的接口的in流量和全部接口的
如果有人要求你指出一项可以在多张图像中进行比较的良好特征,就可以指出其中一项,这就是为什么即使是小孩也可以玩这些游戏的原因。我们在图像中搜索这些特征,找到它们,在其他图像中寻找相同的特征并将它们对齐。...在接下来的章节中,这将被投影到计算机语言中。因此,找到这些图像特征称为特征检测。 在图像中找到了特征之后,应该能够在其他图像中找到相同的图像。这是如何做到的呢?...同样,计算机还应该描述特征周围的区域,以便可以在其他图像中找到它。所谓的描述称为特征描述。获得特征及其描述后,可以在所有图像中找到相同的特征并将它们对齐,缝合在一起或进行所需的操作。...OpenCV中的哈里斯角检测 在OpenCV中有实现哈里斯角点检测,cv2.cornerHarris()。...然后,指定质量级别,该值是介于0-1之间的值,该值表示每个角落都被拒绝的最低拐角质量。然后,提供检测到的角之间的最小欧式距离。
前言 前面我们介绍了《C++ OpenCV特征提取之SURF特征检测》,这一篇我们在介绍一下SIFT的特征提取。...SIFT特征和SURF特征比较 比较项目 SIFT SURF 尺度空间极值检测 使用高斯滤波器,根据不同尺度的高斯差(DOG)图像寻找局部极值 使用方形滤波器,利用海森矩阵的行列式值检测极值,并利用积分图加速运算...方向小波变换的和向量的最大值作为特征点方向 特征描述子 是关键点邻域高斯图像梯度方向直方图统计结果的一种表示,是16*8=128维向量 是关键点邻域2D离散小波变换响应的一种表示,是16*4=64维向量...)特征检测关键特征: 建立尺度空间,寻找极值 关键点定位(寻找关键点准确位置与删除弱边缘) 关键点方向指定 关键点描述子 ---- 建立尺度空间,寻找极值 工作原理 构建图像高斯金字塔,求取DOG,发现最大与最小值在每一级...上面左边红框处就是我们获取了多少个KeyPoints并打印出来,可以看到这个比SURF检测明显要少了不少,说明检测的更为细致了,不过也比SURF花费的时间要长一点。
SURF特征基本介绍 SURF(Speeded Up Robust Features)特征关键特性: 特征检测 尺度空间 选择不变性 特征向量 SURF算法工作原理 选择图像中的POI(Points...of interest) Hessian Matrix 在不同的尺度空间发现关键点,非最大信号压制 发现特征点方法、旋转不变性要求 生成特征向量 SURF构造函数介绍 C++: SURF::SURF...( double hessianThreshold, --阈值检测器使用Hessian的关键点,默认值在...开始进行SURF检测 因为我们要用到cv::xfeatures2d::SURF这个类,所以首先要在头文里要引用xfeatures2d.hpp的头文件 ? ?...仔细对比一下,比原来定义的值400要多了一些关键点,这里就可以说明我们的阈值调的越高,显示的出来的关键点就越少。 ---- 我们还可以再试试SURF的构造函数里面加上不同的参数的改变看看效果 ?
例如,obfuscate-and-sleep 选项会试图在回调之间屏蔽部分 Beacon 有效负载,以专门避开基于特征的内存扫描。...注入微信进程 正常执行命令 然后我们在目标主机中使用Process Hacker 2进行检测查看: 查找调用 SleepEx 的线程来定位内存中的 Beacon,一般在比较活跃的之中。...检测这样没有加密的beacon不难,我们在最简单的做法是,从这个区域挑选一些独特的字符串并将它们用作我们的检测的特征就行。...,睡眠后对自己进行混淆处理 可以看到在混淆内存中的代码,然后我们使用前面的规则并不能检测到了beacon 其实如果你刷新几次也可以发现解密的beacon,因为在每次使用beacon,都会重新加密数据和字符串...那么我们也可以多检测几次也可以检测到: 因为我现在使用的4.3的Cobalt Strike,使用 13 字节的 XOR 密钥, 如果是4.2以下Cobalt strike 使用的是使用简单的单字节
1.Harris角点检测 Harris角点检测算法是一个极为简单的角点检测算法,该算法在1988年就被发明了,算法的主要思想是如果像素周围显示存在多于一个方向的边,我们认为该点为兴趣点。...__version__ a = np.arange(10) print(a) 2.sift特征 在Harris角点中对于下图所示的特征,小窗口中可能认为是角点,当窗口尺寸变化,则可能检测不到角点。...2004年提出的Scale Invariant Feature Transform (SIFT) 是改进的基于尺度不变的特征检测器。...Keypoint Matching sift特征点检测效果: ?...#cv2.waitKey(0) #cv2.destroyAllWindows() 4.ORB特征 一种新的具有局部不变性的特征 —— ORB特征,从它的名字中可以看出它是对FAST特征点与BREIF特征描述子的一种结合与改进
2.1 DNS隧道攻击实现流程 大多数防火墙和入侵检测设备对DNS流量是放行的。 而隧道攻击正式利用了放行的特点以及协议解析流程来实现的。...以此来躲避检测 早在2012的RSA会议上,基于DNS协议的远程控制恶意软件就被视为未来六种最危险的攻击之一。...dns2tcp这个工具建立隧道发送的数据包特征非常明显 请求包和回应包的内容基本一致,除了回应包比请求包多了一串base64加密后的数据。...Iodine操作方便,自动处理接口上的IP号,最多16个用户可以同时共享一台服务器。 4Dnscat2 Dnscat2的定位是一个封装在DNS协议中加密的命令与控制(C&C)信道。...通过数据包可以发现,dnscat2通过加密的手段隐蔽了CC服务器的域名。隐蔽性做的更好。 三、检测DNS隧道木马 将通过3个通信行为分析DNS隧道木马会话。
HOG概述 HOG(Histogram of Oriented Gradient)特征在对象检测与模式匹配中是一种常见的特征提取算法,是基于本地像素块进行特征直方图提取的一种算法,对象局部的变形与光照影响有很好的稳定性...,最初是用HOG特征来来识别人像,通过HOG特征提取+SVM训练,可以得到很好的效果,OpenCV已经有了。...HOG特征提取的大致流程如下: ? ?...使用HOG特征数据 HOG特征本身是不支持旋转不变性与多尺度检测的,但是通过构建高斯金字塔实现多尺度的开窗检测就会得到不同分辨率的多尺度检测支持。...padding-表示填充 scale-表示尺度空间 finalThreshold-最终阈值,默认为2.0 useMeanshiftGrouping-不建议使用,速度太慢拉 使用OpenCV预训练SVM行人HOG特征分类器实现多尺度行人检测的代码如下
领取专属 10元无门槛券
手把手带您无忧上云