LabVIEW 中的摄像头

应用背景该算法是从一个静态相机视频背景减法。所有您需要做的是提供一个视频，你可以得到前景视频。你必须提供背景模型。 ； ；然后比较这个设置为当前的像素值来确定该像素是否属于背景，适应模型，通过随机选择的值来代替从背景模型。这种方法不同于那些古老的价值观的基础上，首先应更换经典的信念。最后，当像素是背景的一部分，它的价值是传播到邻近的像素背景模型。我们描述方法的详细资料（包括伪代码和使用的参数值）和比较其他减背景技术。效率的数字显示，我们的方法优于最近的和成熟的国家的最先进的方法的计算速度和检测率。我们还分析了一个缩小的版本，我们的算法的一个比较和每像素一个字节的内存最低限度的性能。看来，即使是这样的一个简化版本，我们的算法的性能比主流技术。关键技术在这段代码中使用的技术是视觉工作室。语言是C + +。该算法有很多的应用程序，可以帮助你在前景检测 ；一个典型的视频监控小目标检测：盛传为物体的轮廓是非常精确的因为没有空间滤波。这对小目标的一个有效的检测是特别有用的。 ；一个更好的划分对象的深度图的氛围和RGB同时使用噪声图像中盛传的表演后处理工具对象分割。修复与氛围感应范围（深度）地图

OpenCV检测原理主要步骤为：1.加载分类器。用cvLoad函数读入xml格式的文件。文件在OpenCV安装目录下2.读入待检测图像。读入图片或者视频。3.检测人脸。

运用PCA算法进行人脸识别，对人脸图像具有非常好的鲁棒性，加快运算速度，提高识别精度，具有非常好的效果，可以直接运行。程序里有主程序和调用程序，可以用图片和摄像头两种方式进行人脸数据的收集及检测，还有已经训练完毕的人脸图像，都可以直接使用。希望大家多多下载！

资源描述This software is intended for research purposes only.  All rights reserved.  Copyright rests with the authors. When using this software, please ackowledge the effort that went into development by referencing the following paper: A Hough Transform-Based Voting Framework for Action Recognition. A. Yao, J. Gall & L. Van Gool (CVPR 2010). Questions or comments concerning the code can be addressed to Angela Yao (yaoa@vision.ee.ethz.ch). The bulk of the code was developed from work detailed in the paper  Class-Specific Hough Forests for Object Detection. J. Gall and  V. Lempitsky (CVPR 2009) with code available here: http://www.vision.ee.ethz.ch/~gallju/projects/houghforest/houghforest.html =============================================================================== USAGE & NO

超分辨率图像重建。具有非常好的效果，程序效率较高，有完整的注释和说明文档。

图像几何处理，包括图像平移，放大，缩小，旋转等等。通过图像几何处理，完成最基本的图像操作。

本资源是robhess的SIFT检测特征源码，里面包括使用robhess封装好的各个类库以及示例源码，对于初学者和有一定经验者都很有帮助，我就是从这个源码开始学习的

嗨，这个程序可以认识到从他们的虹膜的人的脸呢。项目的特点，该项目是利用并行处理 GPU 和并行处理的肌电图类使用人脸检测。

人脸检测-PC_QT版本，在linux系统下实现，ARM+linux+QT  代码实现，分类器，图片