粒子滤波器视频对象跟踪

发表在2012年计算机视觉顶级会议ECCV上的文章Depth Extraction from Video Using Non-parametric Sampling的源代码， 采用非参数采样从单目视频中提取深度，这个研究方向比较新，希望对大家有用。我这里还有他们的ppt，做的很好，如果有 需要的可以留邮箱。

本代码是使用matlab实现的LBP算法，适合于初学者进行学习研究，如果在学习中间遇到问题，欢迎大家相互交流学习，共同进步提高。

应用背景VC++ 基于MFC平台，是智能监控的基础，是数字图像处理的入门代码。关键技术数字图像处理，载入图片，改变图片的灰度级别，量化，采样。

逆透视变换效果展示，输入图像格式为*.ppm，输出结果为转换后的鸟瞰图，算法中需要相机拍摄图像时候的内外参数，这样转换出来的效果才更准确。

此化学需氧量检测并跟踪光学标记。通过该算法首先导入视频，使用 adabtive thershohld 探测和跟踪多标记。

高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器。高斯平滑滤波器对于抑制服从正态分布   的噪声非常有效。一维零均值高斯函数为： g(x)=exp( -x^2/(2 sigma^2)) (u=0)其中，高斯分布参数Sigma决定了高斯函数的宽度。 对于图像处理来说，常用二维零均值离散高斯函数作平滑滤波器。

Matlab图像双边滤波，一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折衷处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。

DCT快速算法之一，给定八个值，C0至C7的值，先做行变换，再做列变换，C语言代码

这项工作基于统计方法的问题，而不使用大培训数据库和不诉诸神经网...... 我避免神经网络显而易见的选择，唯一的真正原因是： 1） 它已进行前字符识别。 2） 它不似乎是本着同样的精神，作为我们的课程和讲座， 和方法。 3） 神经网络，以我的经验，似乎并不产生可伸缩的、 关于底层视觉问题/解决方案的重用信息... 就我所知他们只是证明，一些系统称重层感知产量的正确结果大部分时间。 只有几篇文章手写识别的问题，我所读过的指的是统计方法解决它。我已经从他们，我的想法，但是我还没有找到任何准确的参考，我对这个问题的办法。我将会检讨各种统计方法在下一章。

此代码包括用于从输入图像中检测面部区域，以及定位眼睛，鼻子和嘴巴的部分的方法。然后各部分都标有导致输出图像上的矩形显示。这是为那些谁想要检测脸不同部分，使用输入正面图像进行特征提取特别有用。