行人划线检测

手势检测从视频序列中检测到手并定位手的区域，该过程对于特征的选择与处理相当关键，肤色及运动信息是经常被采用的两个有效的特征。但是，现实环境中由于光照变化、背景复杂及其它不可预知的干扰，仅一个特征往往不能有效地定位出手，需要多种特征互补，手势检测方法分为基于肤色信息、基于运动信息及多信息结合三类。本实验通过肤色信息检测出人手的位置，并使用红色矩形框框出区域。该实验从视频中检测出人手并定位手的区域。

关于图像的几个基本操作，包块打开图像，对图像的缩放以及图像的移动等操作。本软件是基于ＱＴ进行编程实现的，对于初学ＱＴ的同学具有一定的借鉴和学习的作用，希望对初学ＱＴ的同学有一定的帮助。谢谢

应用背景一个递归的区域为2D和3D图像集和二进制掩码输出多边形生长算法。这个函数的主要目的在于清洁和高度记录的代码。关键技术使用方法： ；[ J ] = P，区域生长（CIM，initpos，thresval，maxdist，tfmean，tffillholes，tfsimplify）输入： ；CIM：二维/三维灰度矩阵 ；- initpos：初始种子位置 坐标；- thresval：要包括 绝对阈值；- maxdist：最大距离在【PX】 初始位置；- tfmean：更新的区域意味着初始值（慢） ；- tffillholes：填充封闭孔的二进制掩码 ；- tfsimplify：减少线路简化顶点个数输出： ；P：vxn阵列（有点尺寸，N V号）。P是封闭的多边形的所有相关像素/体素 ；J：二进制掩码（具有相同的大小作为输入图像）显示1（真）相关的像素/体素和0（假）之外

资源描述code implementation for  “Efficient Graph-Based Image Segmentation,” P. Felzenszwalb and D. Huttenlocher,Int’l J. Computer Vision, vol. 59, no. 2, pp. 167-181, Sept. 2004.  It is a well-known algorithm which has been checked and used in many applications. I got this code from internet, and thanks for share. 

高动态范围图像（High-Dynamic Range，简称HDR），相比普通的图像，可以提供更多的动态范围和图像细节，根据不同的曝光时间的LDR(Low-Dynamic Range)图像，利用每个曝光时间相对应最佳细节的LDR图像来合成最终HDR图像，能够更好的反映人真实环境中的视觉效果。 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

这个项目的目标是在实时，与较高的检测率和几个误报检测人类。人类探测器达到 20 帧/秒速度和先进的检测精度，而不是诉诸特别像 GPU 硬件使用只有一个处理线程。轮廓线是人体检测，最重要的信息来源和相邻像素之间的比较情况迹象的关键编码轮廓。

在一张纸上写了非常多的数字，然后利用遗传算法进行训练，最后对样本数字进行识别

粒子滤波仿真程序，可以生成误差、跟踪结果等参数，是学习和写论文的好东西。如果感兴趣可以在他的基础上修改，进行不同形式的测试。里面包含基本粒子滤波、EKF、粒子滤波三者的比较，跟踪轨迹的比较，MAP及最大后验结果等图像仿真结果。

相信使用过的朋友应该会喜欢上libjpeg，它简单易用、压缩质量可以随意控制、并且稳定性很好，但是，官方网站给提供的libjpeg库，不论是进行压缩时还是解压缩时，都需要用到FILE，使得我们如果想在内存中直接压缩或解压缩图像还要自己实现相应的结构，总之，比较麻烦，尤其对初学者，更是不知从何处入手，幸运的是，libjpeg给我们提供了源代码，今天我就为大家介绍，怎样修改源代码，使libjpeg可以非常容易的直接处理内存中的图像，而无需借助文件操作。

基于OpenCV实现的图像特征区域跟踪程序，采用OpenCV自带的CamShift实现的自适应目标跟踪算法，可同时跟踪6个特定目标区域。