基于opencv的人脸检测

检测和计数的车辆可以用来分析交通模式。检测也是之前的第一步执行如跟踪或分类的车辆的类型更

资源描述用专业的图像处理软件opencv对图像进行chog特征提取

应用背景该算法的任何实际的实现，应该只工作0.5-levelset邻域像素的，不是所有的嵌入功能，也许应该多线程GPU的能力或特征。这类morphgac和morphacwe大部分提供这个功能模块。他们实施的形态测地线活动轮廓和没有边缘的形态活动轮廓，分别。看见了上述文件的全部细节。关键技术这是一个介绍Python实现的算法 ；我árquez内拉，P.，baumela，L.，Á阿尔瓦雷斯，L.，”形态的方法基于曲率的曲线和曲面的演化。IEEE交易 ；模式分析与机器智能（PAMI），2013。此实现的目的是简单，可以理解的和自成一体的尽可能。它不包括任何提高，使其快速或有效。

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。

依据图像的纹理特征，对图像进行检索，代码是用matlab写的 其中的图像库包含45幅图，有30个代码相关文件，程序可以运行，对学习纹理检索图像的人很有帮助

应用背景粒子滤波算法是一个采用蒙特卡罗采样进行贝叶斯滤波的方法。这种方法有许多的用途，但它已经成为进行物体追踪最好的方法。从概念上讲，一个粒子滤波算法包含一个被监视系统的状态的概率分布。关键技术在本项目中，状态就是指被追踪物体的位置、大小等等。在许多情况下，非线性和非高斯型在物体的运动和相似性建模上会得到一个难以处理的滤波分布。粒子滤波采用将这个分布重新表示为一组加权值，或称为粒子的方法克服了这个困难。每个粒子表示一个可能的系统状态实例。换句话说，每个粒子描述了被追踪物体可能处于的一个方位。一个粒子集包含了被追踪物体最有可能处于的方位。因此，我们可以通过寻找在粒子滤波分布中最大的权重来确定物体最有可能处于的状态。

此代码提供基于 opencv 249 和 visual studio 2010 rgb 滤波器。按 r 键筛选红色，g 到筛选器绿色和 b 来筛选蓝色。

PHOG形状描述特征能同时描述物体的局部形状和形状的空间布局。其特征表示是通过逐级分割图像，对同一幅图像进行不同尺度的分割，然后计算每个尺度中patch的小HOG，最后综合每一级各分块的梯度方向直方图，组成一个梯度方向直方图金字塔。

资源描述局部二值模式（LBP）是一种提取纹理特征的算法。该程序是在原始LBP模式的基础上，改进得到的旋转不变均匀模式的LBP特征。

基于visual c++ 6.0，使用opencv1.0对图像进行简单的处理，适合初学者用。如果对opencv较熟悉的话，则此程序对您不会有任何帮助。该算法中只是使用opencv自带的几个函数进行处理，可以直接运行。