混合高斯模型背景建模

用opencv实现基于Adaboost人脸检测的程序代码码。Adaboost对于人脸检测具有很好的分类效果，主要包括矩形特征、积分图像，弱分类器、强分类器和级联分类器。opencv自带Adaboost代码，使用方便，程序内有测试图像和测试程序，在网上下载的程序，经过本人的修改，可以运行，效果很好，仅供参考。

K均值聚类法分为如下几个步骤： 一、初始化聚类中心 1、根据具体问题，凭经验从样本集中选出C个比较合适的样本作为初始聚类中心。 2、用前C个样本作为初始聚类中心。 3、将全部样本随机地分成C类，计算每类的样本均值，将样本均值作为初始聚类中心。 二、初始聚类 1、按就近原则将样本归入各聚类中心所代表的类中。 2、取一样本，将其归入与其最近的聚类中心的那一类中，重新计算样本均值，更新聚类中心。然后取下一样本，重复操作，直至所有样本归入相应类中。 三、判断聚类是否合理 采用误差平方和准则函数判断聚类是否合理，不合理则修改分类。循环进行判断、修改直至达到算法终止条件。

生成具有真实感的图形，在给定视点和视线方向后，决定场景中哪些物体的表面是可见的，哪些是被遮挡不可见的，在成运行结果中，可以旋转物体观察效果

Delphi车牌识别在土耳其语中，您可以学习如何读取车牌并将其加工，这非常简单，您可以在自己的程序中使用它。

此代码提供基于 opencv 249 和 visual studio 2010 rgb 滤波器。按 r 键筛选红色，g 到筛选器绿色和 b 来筛选蓝色。

能实现高密度人群的检测和人员的跟踪–基于背景差的运动目标检测、分割方法难以奏效 .利用Adaboost分类器在带状区域中检测行人头部 ，•柔性较好，针对不同的应用场景参数调整较少•实时性好，普通PC上实现30FPS的检测速度•统计准确率较高–密度低时能达到90%以上的准确率–密度高时能达到70%以上的准确率 

应用背景我用opencv这个项目。但它不是相同的OpenCV的样本。关键技术本项目是卡尔曼跟踪源代码。卡尔曼滤波类似粒子跟踪。

matlab练习程序（弧形投影） 这个其实也算是圆柱体投影了，不过上一篇文章是从正面看，得到的是凸形的结果，而这个是从反面看，得到的是凹形的结果。计算公式就不写了，大致介绍一下，计算公式中关于x坐标求法和上篇一样，y坐标则正好是上篇公式的反变换，结合上篇公式代码和本篇的代码，应该都不是很难理解的。

资源描述C++实现的RGB与HLS颜色空间互换程序，在图像处理中会经常用到，算法简单，容易理解，可直接移植的需要的地方

Harris检测角点的方法，能够很好的检测出棋盘格内的角点数目，基本无误检。