混合高斯模型背景建模

OpenCV(开源的计算机视觉库)是一个库的编程功能主要针对实时计算机视觉,英特尔开发的,现在支持的柳树车库和Itseez。它是免费的开源BSD许可下使用。图书馆是跨平台的。它主要关注实时图像处理。如果图书馆发现英特尔的集成性能系统上的原语,它将使用这些专有优化程序加速本身。这是opencv的“hello world”项目在visual studio中打开并显示一个图像。

此文件只一个非常有用而且使用的文件，是为了方便做游戏的开发人员方便的运用自己的3DMAX模型，而研制开发的一个.DLE文件，其用于安装到操作系统中去，应用3DMAX中，将模型导出.X文件 用于游戏开发。

资源描述改代码是程明明老师2011年论文--Global Contrast based Salient Region Detection的对应代码，改代码已调通可直接使用。

C#做的手势识别。在计算机科学中，手势识别是通过数学算法来识别人类手势的一个议题。手势识别可以来自人的身体各部位的运动，但一般是指脸部和手的运动

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 

目标跟踪的一个算法   两个匀速运动的物体  红外背景弱小目标检测 跟踪  

代码运用了canny算子，有效地提取自然图像的轮廓。任何边缘检测 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

我们目前的建筑场景，基于检测和代表当地对称性图像中提取局部特征的新技术。这些新功能的动机是当地的对称性，在不同尺度下的很多城市的形象，一个基本特征，也可能更具有不变性大外观变化比低级别功能如 SIFT 的事实。因此，我们将这些功能应用问题的挑战性成对的城市场景的照片。我们的特点基于本地双边和旋转对称性计算使用局部图像操作的简单的措施。这些措施用为特征检测和计算描述符。我们证明我们对具有挑战性的新数据集包含图像对参展的照明、 年龄和渲染风格的戏剧性变化范围的方法，表明我们的功能可以提高这一艰巨任务的匹配性能。

应用背景这是使用Haar特征训练弱分类器，然后使用约14弱分类器连接节点作为一个强分类器，该方法选择弱分类器是AdaBoost算法。 ；关键技术

使用跟踪移动目标的例子,详细文档。卡尔曼滤波是目标跟踪的主要功能,程序使用卡尔曼滤波器实现正确的跟踪移动目标