Detect face use Skin color

图像LBP特征提取，适合初学者用来提取图像的local binary pattern特征，较详细的代码，可用于特征检测，目标识别，人脸识别等应用中

首先计算背景图像与当前帧图像介的差，然后对差分图像进行二值化和形态学滤波处理，并对所得结果进行区域连通性分析，当某一连通的区域的面积大于某一给定阈值时，则成为检测目标，并认为该区域就是目标的区域范围，就可以确定目标的最小外接矩形。目标跟踪模块已有两个基本实现的方法，但运用背景差分方法对图。像进行二值化和滤波的效果，还远没有达到独立、稳定的跟踪要求，必须尝试多种运动目标提取方法及滤波算法。

这是SIFT算法的C++实现代码，对于SIFT检测子，SIFT描述子的代码编写很具体，对照原文博客来看的话，理解效果会更好。对于初次学习SIFT的菜鸟来说，是很直接，也很不错的一种学习选择。

应用背景本项目是针对目标跟踪，并进行目标跟踪；关键技术我用粒子追踪这个项目。

应用背景图像分割是图像处理的一大难题，分水岭算法是经典的图像分割算法，可以实现对粘连图像的分割，比如粘连的细胞图像，还可以实现对彩色图像分割，分割效果明显。关键技术本代码是基于C++语言编写的，图像分割包括全部的源码，运行即可使用，代码有详细注释，方便理解，主要是彩色，如果是二值图像的话效果不太明显，最好是彩色图像。watershed算法

对多个移动目标进行跟踪，鼠标选取跟踪对象，粒子滤波跟踪各个对象，跟踪结果稳定可靠，能够用于遮挡情况下目标跟踪，对opencv刚入门的用户简单易于理解，该程序为粒子滤波的简单实现

屏幕放大镜的源代码，主要模拟windows系统自带的屏幕放大镜，可以学习里面的一些技巧，用C++编写，有兴趣的可以收藏一下。

应用背景如果有不含前景物体的背景图片，提取前景的工作相对容易，只需要比对当前帧和背景图片的不同，调用函数absdiff实现。但是大多数情况，获得背景图片是不可能的，比如在复杂的场景下，或者有光线条件的变化。因此，就需要动态的变换背景。关键技术对于第一帧出现前景的情况，由于后续更新背景都是对前景mask后对背景进行更新的，所以第一帧的前景部分对背景的影响因子很难被更新掉。这里提出一种改进的办法——混合高斯模型。可以使一个像素具有更多的信息，这样可以有效的减少类似树叶的不停飘动，水波的不停荡漾这种对前景的干扰。这个精密的算法比之前我所介绍的简单方法要复杂很多，不易实现。还好，OpenCV已经为我们做好了相关工作，将其封装在类BackgroundSubtractorMOG，使用起来非常方便。