基于光流法的运动目标检测

小波变换的嵌入零树

应用背景boosting算法训练了T个弱分类器ht,t∈{1,....,T}.这些弱分类器很简单.大多说情况下,它们只是包含一次分裂(称为决策stumps)或仅有几次分裂(可能到3次)的决策树.最后做决定的时候将复制权重αt给每个分类器.AdaBoost训练时输入的特征向量是xi,向量的类别标签是yi(这儿i=1,...,M,M是样本总数),且yi∈{1,-1}.关键技术1.在Release下进行调试 2.指定文件保存路径，如：char* filename_to_save = "F: estdataoutput.xml"; 3.选用训练的方法，如method = 1; 4.这步需要使用模型的时候再指定，训练的时候设置为char* filename_to_load = 0;使用模型的时候指定，如char* filename_to_load = "F: estdataoutput.xml";

奇偶冒泡排序主要是在奇数次排序时只比较并交换奇数下标的元素和其右边的元素，在偶数次排序时只比较并交换偶数下标的元素和其右边的元素。      它的并行思想主要就是：将数据都放在一个个线程对应的寄存器中，由线程索引对应地址。奇排序中，所有奇数下标的线程索引对应的数据和其右边的比较；偶排序中，所有偶数下标的线程索引对应的数据和其右边的比较。GPU排序中所有线程对进行同一操作，而CPU中一次只能进行一次数据比较。GPU相当于同一时间进行了所有数据的比较，所谓并行就是把

应用背景全球首款开源图形处理器，MIAOW是Many-core Integrated Accelerator Of the Waterdeep的缩写，它是基于AMD Southern Islands Radeon HD 6000系列显卡开源指令集架构的RTL实现。关键技术领导该项目的计算机科学家Karu Sankaralingham说，开源硬件代表着新的方向。他预测五年十年之后企业将会像使用开源软件那样使用开源硬件。MIAOW目前还只是一个学术研 究项目。Sankaralingham的团队正在此基础上构建不依赖于现有商业产品的全新设计

本程序是通过matlab编写，亲测可用，主要是实现BMP文件通过DCT、Huffman编码、游程编码成为一个txt的数据流文件，也就是只有0和1的文件，便于传输和保存。

图像融合程序

帧差法的源代码，为c++语言编写，属于图像处理类，并用最新 Mat格式 编写。 帧差法就是在图像序列相邻两帧或三帧间采用基于像素的时间差分通过闭值化来提取出图像中的运动区域。 首先，将相邻帧图像对应像素值相减得到差分图像，然后对差分图像二值化，在环境亮度变化不大的情况下，如果对应像素值变化小于事先确定的阂值时， 可以认为此处为背景像素:如果图像区域的像素值变化很大，可以认为这是由于图像中运动物体引起的，将这些区域标记为前景像素，利用标记的像素区域可以确定运动目标在图像中的位置。

资源描述这只是一个简单的人脸识别代码，有需要的可以下载去看看。    

本人亲测可用（基于matlab2010），速度稍慢，六张2760*1140的图片拼接大约十分钟能拼出来（笔记本，奔腾b980处理器，3g内存），接口处模糊，整体有畸变

可以在播放视频的同时提取出视频的所有帧，使用C++语言环境，并结合OpenCV的代码，希望为有需要的提供帮助！