识别图像中时钟时间的Matlab GUI程序

资源描述微软牛津计划的sdk，主要用于视频分析，人脸检测与识别等

角点检测，特征点检测，多尺度特征检测，Harris-Laplace 特征点检测。有篇关于尺度不变和仿射不变性特征检测的经典论文

本源码是基于《A texture-based method for modeling the background and detecting moving objects》一文实现的，该方法是基于图像中各个像素点的建模方法，提取的纹理特征的方法为LBP直方图，每个像素点的背景模型中包含K（一般为3或5）个LBP直方图，在后续处理中每来一帧时先进行前景检测，然后更新背景模型，如果当前像素点的LBP直方图和其背景模型中的任何一个直方图都不匹配时，就把权值最小的那个直方图替换成该像素点当前的直方图，并且设置其权值为一个很小的值，如果当前像素点的LBP直方图与其背景模型中的某一个最匹配时，就更新那个最匹配的直方图，并且更新其权值，背景模型中的其他直方图只更新权值。更新完之后进行权值归一化，根据权值大小进行排序。

CamShift算法的全称是"Continuously Adaptive Mean-SHIFT"，即：连续自适应的MeanShift算法 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

应用背景粒子滤波技术在非线性、非高斯系统表现出来的优越性，决定了它的应用范围非常广泛。另外，粒子滤波器的多模态处理能力，也是它应用广泛的原因之一。国际上，粒子滤波已被应用于各个领域。在经济学领域，它被应用在经济数据预测；在军事领域已经被应用于雷达跟踪空中飞行物，空对空、空对地的被动式跟踪；在交通管制领域它被应用在对车或人视频监控；它还用于机器人的全局定位。关键技术粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法(SequentialImportance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→∝时可以逼近任何形式的概率密度分布。

这种编码基于 canny edege 检测。它是图像分割的一部分。canny 边缘检测给更好的结果，那么其他检测算法。它用于查找边缘。

对眼瞳的识别 很有效 ，主 要通过使用眼睛的分类器对人眼的眼瞳进行的识别 ，显示的效果很好 ，很大的程度上能实现对眼睛的识别。

最小二乘匹配获取高精度匹配点的vc代码，针对影像匹配问题,对最小二乘法影像匹配的算法进行了研究,理解了该算法的匹配原理,并应用测试程序对该算法进行测试。

该程序是使用MATLAB编写的代码，代码为超像素分割算法的代码。代码实现了超像素分割的自动选取种子点，分割速度快，对于一些小区域的目标也能准确分割出，分享给各位图像处理研究方向的人使用！

用于实现SPIHT算法的Matlab代码；