运动检测系统

本程序代码是在VS2010下opencv的GPU编程，通过简单的示例可以了解到如何使用opencv进行GPU编程，此项目是在配置环境为opencv2.4.9+vs2010。如果你的配置环境有误就有可能运行不了，opencv_gpu.cpp内容可以在其他系统的相关条件下同样可以运行。

这是的 VB 代码 图像编辑在 vb. 编辑与改变的缩放、 旋转、 亮度、 对比度、 作物提供了便利 用户可以在红色 /Green/Blue 频谱或黑色和白色颜色窗体中查看图像

Buades A，莫雷尔ĴM.非本地算法的图像去噪[A]：基于快速非局部均值图像去噪算法。在：IEEE计算机协会会议上的电脑。视觉与模式识别[C]。圣地亚哥，CA，USA，2005：60〜65。用于非局部均值对称的重量分别为每对像素计算出仅一次。

给定两幅图像，计算两幅图像间的差异，包括均值和方差的差异。

自编的一个效果很好的边缘检测算法，里面一共有5个函数，可实现图像二值化，标记边界，获取质心等功能。用这个边缘检测算法比matlab自带的边缘检测函数更快，检测出来的效果更加好。可以较为精细的检测出图像边缘轮廓，用多副图像进行测试都能获得很好的效果。

Iam 这里附加源的检测到的个人从摄像头捕获的脸。进一步此项目将捕获的图像从网络摄像头和处理图像并在数据库中存储过程的脸。

应用背景二维最小均方滤波(TDLMS)实际上是一种典型的自适应线性预测算法，它在预测过程中采用了最小均方误差准则。当红外图像的背景具有强相关性时，二维最小均方滤波是行之有效的方法。关键技术经过上述自适应滤波处理后，将预测背景与原图像差分即可获得抑制背景后的目标图像。这种预测算法的特点是结构简单，速度快，并且能够使差分图像信噪比得到较大的提高。

所谓粒子滤波就是指：通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被形象的称为“粒子”，故而叫粒子滤波。

为了分析图像通常我们必须减少图像的大小，所以，我们可能会在一个特定的大小的框架中处理它。这种编程发展到 o 数字图像缩小通过减少从帧的像素的数目。

此程序是在VS2010+opencv2.44环境下运行的，实现对视频中人脸的动态检测，其原理是基于运用图像的haar特征结合adaboost算法思想生成的人脸分类器（这个也可以生成自己训练出来的.xml文件分类器），最后在opencv下对图像或视频进行检测