mjpg-streamer-r63.tar.bz2

k均值算法，k-means 算法接受输入量k ；然后将n个数据对象划分为k 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

根据camshift的不足，利用kalman的优点，进行预测，之后凋用camshift，对目标进行跟踪，从而使得camshift的跟踪效果很好

资源描述应用图像处理就行人脸识别，通过调用opencv库进行处理。主要进行特征点提取。开发环境为Visio studio +opencv。用c++语言进行开发，程序简介简单，亲测好用

该软件能实现对掌纹的纹理特征提取，使用的是灰度共生矩阵算法，把256色图像初始化为8个灰度级，步长取distance = 5;

本程序实现Aero效果，具体的效果看程序运行的结果，这样的程序是知道一看的哦。你说是不是？

该程序纯系手动，是游戏程序设计课要求的必做代码，要求将正八面体首先用DX绘制出来，然后对八面体进行染色，达到进一步熟练世界坐标的地步，同时灵活掌握RGB染色方式                                                                                                     

应用背景人脸检测算法的可靠性很大程度上依赖于分类器的设计，在2001年，Viola和Jones两位大牛发表了经典的《Rapid Object Detection using a Boosted Cascade of Simple Features》和《Robust Real-Time Face Detection》，在AdaBoost算法的基础上，使用Haar-like小波特征和积分图方法进行人脸检测，他俩不是最早使用提出小波特征的，但是他们设计了针对人脸检测更有效的特征，并对AdaBoost训练出的强分类器进行级联。关键技术 人脸检测从整体来看分为四个部分： 1、Face detection 人脸识别，即识别出这是人的脸，而不管他是谁的。 2、Face preprocessing 面部预处理，即提取出脸部图像。 3、Collect and learn faces 脸部的特征采集和学习 4、Face recognition 脸部识别，找出最相近的相近脸部图像。

本代码可以对视频中的运动物体进行监测和跟踪 并用了高斯背景模型进行背景建模 效果很好 而且对检测到的物体进行了矩形框标记 

应用背景这是加载一个BMP文件转换成一个矩阵的应用。我们做二值化与阈值并保存成BMP文件。这个应用程序使用在细化过程。这个应用程序的想法很简单，只是比较和阈值，将给予0或255的价值。关键技术该算法的思想是很简单的，只是比较的每一个值在一个阈值，结果将0或255的矩阵。二是白色或黑色，所以这种方法是用来使画面变成白色，黑色。

模糊系统的 GUI。 基于规则的系统。 特定类型的推理，使用"如果那时 else"规则语句。如上文所述，规则是简单模式和推理引擎搜索模式匹配的数据中的模式匹配的规则。"如果"是指"当条件为 true，""那么"是指"采取行动 A"和"else"手段"时的条件不是真正采取行动 B."下面是一个示例与该规则可能的原因： 如果抢劫为 TRUE 和 可疑证人鉴定为 TRUE 和 怀疑的实物证据是 TRUE 和 怀疑缺乏不在场证明是真正的 然后 可能的原因是真正的 其他 围捕嫌疑 规则可以转发链接，也称为数据驱动的推理，因为他们开始用数据或事实和规则，适用于事实直到达到的目标是看看。规则还可以逆向链接，也称为目标驱动推理，因为他们以一个目标开始，寻找规则适用于这一目标，直到得出的一个结论。