pedestrian detection master

在检索原理上，无论是基于文本的图像检索还是基于内容的图像检索，主要包括三方面：一方面对用户需求的分析和转化，形成可以检索索引数据库的提问；另一方面，收集和加工图像资源，提取特征，分析并进行标引，建立图像的索引数据库；最后一方面是根据相似度算法，计算用户提问与索引数据库中记录的相似度大小，提取出满足阈值的记录作为结果，按照相似度降序的方式输出。

利用opencv库函数实现的图像拼接，验证有效

在opencv自带data下的特征分类器做的简单人脸识别个数，vs2010 w764位 opencv2.3.1，OpenCV有已经自带了人脸的Haar特征分类器。OpenCV安装目录中的data haarcascades目录下的haarcascade_frontalface_alt.xml与haarcascade_frontalface_alt2.xml都是用来检测人脸的Haar分类器。这个haarcascades目录下还有人的全身，眼睛，嘴唇的Haar分类器。读者可以仿照本方的例子来试验下效果看看。

诸位学生，在做视觉目标跟踪时，经常看到官网上给的测试时一组图片集，这使用起来略微不遍，通过本程序可以轻轻松松将其存在视频格式，从而方便大家使用。基于vs2010+opencv2.4.4的谢谢各位支持哦，祝各位学者，学习进步，事业有成。愿计算机视觉都能给你我带来美好的明天。

应用opencv自带人脸检测程序，加入到自己编译的程序中，实现人脸检测。能够检测到人脸、眼睛、鼻子等部位。较准确。

霍夫变换(Hough Transform)是图像处理中的一种特征提取技术，它通过一种投票算法检测具有特定形状的物体。该过程在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为霍夫变换结果。霍夫变换于1962年由Paul Hough 首次提出[53]，后于1972年由Richard Duda和Peter Hart推广使用[54]，经典霍夫变换用来检测图像中的直线，后来霍夫变换扩展到任意形状物体的识别，多为圆和椭圆。

功能：将黑色边缘区变成白色边缘区（对于取得一个图像的感兴趣部分，随后再进行下一步处理有帮助，否则黑色边缘区很可能造成影响） 1、OpenCV的配置写在OpenCV_Rel.propsOpenCV_Dbg.props中，需要替换为你自己的OpenCV库的对应路径 2、输入图片名称为in.jpg，运行后会自动生成out.jpg，参考图已放入 3、提供Release文件夹，里面是编译好的结果，将Opencv的dll放进去就可以执行了，我主要是分享代码，就不把dll放进来了

SIFT/SURF基于灰度图， 一、首先建立图像金字塔，形成三维的图像空间，通过Hessian矩阵获取每一层的局部极大值，然后进行在极值点周围26个点进行NMS，从而得到粗略的特征点，再使用二次插值法得到精确特征点所在的层（尺度），即完成了尺度不变。   二、在特征点选取一个与尺度相应的邻域，求出主方向，其中SIFT采用在一个正方形邻域内统计所有点的梯度方向，找到占80%以上的方向作为主方向；而SURF则选择圆形邻域，并且使用活动扇形的方法求出特征点主方向，以主方向对齐即完成旋转不变。   三、以主方向为轴可以在每个特征点建立坐标，SIFT在特征点选择一块大小与尺度相应的方形区域，分成16块，统计每一块沿着八个方向占的比例，于是特征点形成了128维特征向量，对图像进行归一化则完成强度不变；而SURF分成64块，统计每一块的dx，dy，|dx|，|dy|的累积和，同样形成128维向量，再进行归一化则完成了对比度不变与强度不变。

利用opencv实现运动目标与背景分离，可在此基础上进行进一步的图像处理及目标追踪等。

将任意格式视频转化为图片帧，是基于opencv的数字图像处理代码