使用OpenCV進(jìn)行模板匹配(原圖-模板圖)？有許多匹配算法，例如比較原始圖像和模板圖像像素值的最簡單方法。但是這種方法有一點旋轉(zhuǎn)和光線變化，結(jié)果會很差。為了改進(jìn)這一點，我們有sad算法。然后傷心地說

使用OpenCV進(jìn)行模板匹配(原圖-模板圖)？

有許多匹配算法，例如比較原始圖像和模板圖像像素值的最簡單方法。但是這種方法有一點旋轉(zhuǎn)和光線變化，結(jié)果會很差。為了改進(jìn)這一點，我們有sad算法。然后傷心地說。然后利用NCC算法計算區(qū)域間的互相關(guān)。在上述三種算法中，sad算法是最簡單的，因此在確定模板大小時sad算法的速度最快。NCC算法比sad算法復(fù)雜得多。至于算法的過程，這三種算法都很容易理解。我覺得自己學(xué)習(xí)比較好。

人體行為識別有哪些算法？

在人類行為識別之前，現(xiàn)有的方法主要分為三類：基于模板的方法、基于概率的方法和基于語義的方法。模板匹配是早期用于人體運(yùn)動識別的一種方法，它將運(yùn)動圖像序列轉(zhuǎn)化為一個靜態(tài)模板或一組靜態(tài)模板。將待識別樣本的模板與已知模板進(jìn)行匹配，得到識別結(jié)果。在行為識別中，基于模板匹配的算法可分為幀間匹配法和融合匹配法。主要方法有：運(yùn)動能量圖像（Mei）和運(yùn)動歷史圖像（MHI）、基于輪廓的平均運(yùn)動形狀（MMS）和基于運(yùn)動前景的平均運(yùn)動能量（AME）。運(yùn)動識別的概率統(tǒng)計方法是將每個靜態(tài)運(yùn)動姿態(tài)定義為一個狀態(tài)或一組狀態(tài)。這些狀態(tài)通過網(wǎng)絡(luò)連接起來，狀態(tài)之間的切換用概率來描述。隱馬爾可夫模型（HMM）、最大熵馬爾可夫模型（MEMM）、條件隨機(jī)場（CRF）等。