争取每周可以利用周末的一天做一点交互方面的小实验
这次是纯粹模仿一个小印的想法：http://danielbaggio.blogspot.com/2008/03/enhanced-version-of-head-tracking-and.html
刚开始效果并不好，会出现很多勿检导致角度判断出错，以至于我一度准备着手kalman filter了。后来发现在使用adaboost算法时，haar分类器可以使用CV_HAAR_FIND_BIGGEST_OBJECT这个参数而不是传统的CV_HAAR_DO_CANNY_PRUNING，准确度和效率都可以得到很大的提高。
但是无论如何，我这个的效率ms还是比那个小印高的
adaboost的鲁棒性确实不错，一般的遮挡和运动不会产生明显影响。
不过这个还尚未加上滤波，而且我的目标也不仅仅限于此，xx同学介绍的TrackerIR是终极目标
如此一来，本科毕业设计某些知识可以派上用场了
在使用cvLoadImage的时候，如果跟的是相对路径，如”yes\\no.jpg”，那么如果后面有诸如cvGetSize之类的函数使用的时候，虽然在调试时程序完全正常，但是在目录下直接运行.exe文件，则程序无法运行，会报错。
但是，如果跟的是绝对的路径，则不会出现这种情况。
回想起来上次好像也碰过这种情况，不过是一年以前的事情了，这次又折腾了半天才想起来搞明白是怎么回事。
记着，省着下次再碰见不知所措吧～
增强现实技术（AR），有一个专门的工具包叫ARToolKit（http://www.hitl.washington.edu/artoolkit/download/），而youtube上有很多比较有意思的应用，可以看看
以及
再补充一个Demo of D Fusion：
国内上不了的同仁们，请翻落在我阳台盆栽的榕树叶上，叶子颤动，枝丫摇晃，但还是支撑不住这重量。风从东面吹来,雨水砸在窗口上的铁罩，紧凑又墙上
http://www.youtube.com/watch?v=oiqIPXnKkKo
http://www.youtube.com/watch?v=TW6_X9qBeds&feature=related
http://www.youtube.com/watch?v=6NKT6eUGJDE
最近抽空做了一个小实验。
毕竟新媒体和人机交互是未来的趋势啊
这个是基于OpenCV和OpenGL的，算法是Optical Flow。
这个立方体的贴图有些问题，就凑合着看吧
至于我的背景和本人的穿着，我保持沉默
补充：昨天晚上睡觉前临时把贴图和运动方程做了点小的修改，现在看上去好多了～
64位win7下pdf预览时会显示：this file can't be previewed because of an error in the pdf preview handler for vista。
该处给出了较完整的解决方案，一个方法不成换下一个，总是能成功的。。。
http://www.pretentiousname.com/adobe_pdf_x64_fix/index.html
今天重新设置了一下bios之后，发现msn（windows live message）无法登陆，错误代码80070005。
搜遍各种解决方法，很多的都是胡扯，而msn帮助中并无此错误代码。于是转向国外的坛子。
有一种方法是新建一个系统用户，在新用户中使用msn，但是肯定会带来不便。
由于我不想那么麻烦，想在原有用户上继续使用msn，于是接着摸索，结合国外论坛的提示，发现了解决之道
补充声明：如果你有80070005的错误，那么在地址和密码下面的：remember me，remember my password和sign me in automatically都是disabled，无法选中，如果你有同样的症状，加上同样的错误代码，那么应该可以采用以下办法：
如果当前用户没设定密码，那么关闭msn，设定当前系统用户密码（这是你应该能登陆了），然后不需要的话再删除该密码。
如果当前用户设定了密码，那么关闭msn，删除当前系统用户密码（这是你应该能登陆了），然后再重新设定密码。
很奇怪为什么微软会让msn出现这种诡异问题，这不是砸自己的 [...]
数学决定了当今智能领域的发展，然而数学是否=智能？
我们现在所建立的几乎所有模型，依据状态空间模型，离散化后，会发现，对于一个系统，由上一个状态，我们总是能预测出下一个状态的值，然而对于真实的自然界生物系统，我们能否给出其下一个状态的精确预测？答案当然是否定的。
另外一个很简单的例子，白纸上有3个黑点，一个没有经过训练的小孩也能告诉你，纸上有1、2、3个黑点。电脑怎么做？电脑储存了每个像素的所有精确的值，然后或者是一个一个的做递归，或者是计算凹凸角的数量，最后得到所谓的counting值。可是，人会如此么？电脑对于每个像素的精确存储做的很好，可是，他还是不知道如何利用它所掌握的全局信息，而只能把这个全局信息分散成串行的像素进行分析。电脑是否记住了一个图像，只有0和1两种状态，而人却可以仅仅保留某一幅图像的大致印象，如此一来，人工智能想要发展，现有的计算机体系结构，尤其是存储结构，必须要革新。
另外，如今智能界已经叫嚣要崛起很多年了，可是依旧没有突破；机器人行业也叫嚣要复兴很多年了，可使用者依旧只有高校。是否我们能换一种思路，不去追求他的高新尖端的突破，而在于它的 [...]
正如计算机无法取代人脑，电子书存储和浏览需要的精确的信息，包括页数之类的，而普通书籍确增加了一种模糊记忆，是内容和书厚度，甚至是和书边角上文字的映射。在我们寻找书中某些需要的内容是，可以通过快速翻看书本，迅速进行内容的粗定位，这点尤其是对已经看过一遍的书籍极其有用。而电子书只能通过目录找见相关的内容，并且耗费大量时间 在翻页上面。同样当我们在浏览后面内容，想参考一下前面的内容时，电子书也是极其麻烦的。除非电子书能够提供更好的内容定位，否则，电子书无法普及。
在控制领域，基于模型的控制方法已经能解决相当多的问题，而不基于模型的方法，想PID，模糊控制之类的，则可以解决几乎所有的问题，所剩下的问题是效率的提高，以及基于模型控制的方法中的建模问题，这也就导致了控制走上了一条越来越理论化，越来越数学化的一条道路。也许，这在工业界，控制精度要求很高的情况下是相当有必要的，可是，控制并不精确的人类却是自然的主宰，我们的任何一个动作既没有建模，也没有PID，更没有所谓的slide mode， back-stepping，过度的依赖数学的模型，是不是我们走上的一条人工智能的误区呢？
同样，在模式识别领域，我们现有常用的方法，无非是基于形状和基于纹理的识别。归根结底呢，则是像素的匹配。这也是耗费了大量的计算才取得的效果。一个AAM的初始化时间就要几十秒，光靠提高处理器的运算速度所取得的识别效果是真正的模式识别么？蚂蚁的处理速度很高么，可是蚂蚁却能很好的分清食物，家的位置。没有任何一个动物的识别会去什么二值化，边缘算子，小波之类的，然而现在模式识别反复的研究仍旧逃不出这个框架，难道这就是人工智能该走的路么？
即便有一天，我们用极其快的处理器造 [...]
看到现在有人用twitter实现家电使用状态的智能化管理，可以在工作的时候方便的知道家里家电的工作情况。这便是家电智能及网络化的一个简易应用吧。
我想twitter的创始人在开始也绝对不会想到twitter有这样的应用。每个创业者都是如此，想法永远不可能超出时代太多的，这点也不需要去强求。不过如果想守业的话，则必须要有跟上潮流的新的idea去帮助公司发展～
Loading... 