虹膜识别

一维高斯滤波就是使用一维高斯公式生成一个一维的矩阵，然后使用该矩阵对图像中的每一个像素进行处理。处理方法是计算当前像素与其周边像素和矩阵中对应的权值的乘积的和。先对图像横向处理，完毕以后再对纵向处理（顺序相反也可以）。

我们建议制定多目标跟踪为最小化连续能量函数。以外的许多近来的方案，我们专注于设计的能量函数，代表该问题尽可能忠实地，而不是一个是适合于优雅的优化。然后，我们去构建一个合适的优化方案，以找到能提出强烈的局部极小。该方案扩展了共轭梯度法具有周期性的反式维跳跃。这些举动允许Search逃脱弱极小和探索可变维搜索空间的一个更大的部分，同时仍然总是减少的能量。为了证明这种方法我们都在合成数据和六个不同的实际视频序列提出了广泛的定量评价的有效性。在这两种情况下，我们实现了一个扩展卡尔曼滤波器的基线，以及国家的最先进的基于ILP的跟踪一个显著的性能提升。

应用背景对于同样一个实体，使用三维扫描可以生成三维点云，如果能有效地对齐三维点云，即可更好地建立三维模型，并且生成更多三维信息。关键技术三维点云对齐采用的SVD分解的方法。利用K-D树建立空间索引，然后使用最近点迭代的方法，寻找匹配点，实现三维点云对齐。

特征选择也叫特征子集选择 ( FSS , Feature Subset Selection ) 。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化。向后搜索（ SBS , Sequential Backward Selection ）：从特征全集O开始，每次从特征集O中剔除一个特征x，使得剔除特征x后评价函数值达到最优。向前搜索（ SFS , Sequential Forward Selection ）：特征子集X从空集开始，每次选择一个特征x加入特征子集X，使得特征函数J( X)最优。简单说就是，每次都选择一个使得评价函数的取值达到最优的特征加入，其实就是一种简单的贪心算法。

这是检测银行纸币的项目、 用户将输入图像，系统将指定到系统输入了哪些钱

“FIR”表示“有限脉冲响应”。如果输入脉冲，则

应用背景此源代码为背景扣除模型。背景扣除模型是目标跟踪中的重要部分。这个方法是很容易的，高质量的结果。关键技术盛传的方法很好。在背景建模如MOG，mog2，GMG的许多方法，自适应背景建模等。感觉是很好的方法，比。

对一张不规则四边形区域的图像，进行双线性近似插值，还原图像到矩形区域。透视变换：设置要转变前4个点和目标的四个点，生成透视矩阵；基于透视矩阵将原始图像进行透视转换

在保密环境中，部分非法用户会故意把电子资料或屏幕截屏存成图像格式以防止保密检查工具或反泄密、防泄漏系统检测到。因此，对图形图像文字识别技术提出了较高要求。 可以在图像文件上标记密级等级的字样，通过识别这些密级等级的字样。可以方便的对不同等级的图片进行分类管理。首先，需要提取这些图像中的文字信息，然后比对密级等级字典，对于不同等级的图像，用一种显著方式对这些图像进行区分。主要阅读为开发人员。

camshift 源码 采用opencv实现在视频中可以跟踪想要跟踪的目标，还可以调节阈值等等，是一个很好地学习样本。