opencv图像倾斜校正

使用 opencv  利用AAM和POSIT算法实现的 3D头部姿势识别 很有用的学习OPENCV的材料

可以追踪运动物体的图像  在窗口展现出来

基于Opencv通过特征匹配实现图像重叠区域提取，可对结果进行裁剪缩放，保存为指定格式，其中特征提取与匹配、配准拼接、计算几何等代码可供学习参考；使用QT进行了GUI界面封装；Win32/Release目录下有编译好的EXE程序、附加DLL及测试数据；

基于背景差分的检测方法，在vs平台下，利用opencv库函数，寻找两张图的不同之处，并输出到另一张图中输出。

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。

通过该函数可以将源图像精确转换成目标图像的尺寸，其中参数interpolation控制源图像如何向目标图像进行映射。

通过QT5和openCV实现了同时读取两个摄像头

可以简单的实现运动目标检测,帧差法[18]又叫时间差分法，它通过将视频序列图像中的当前帧与相邻帧所对应的像素点的灰度值进行比较，然后找到差异，进而检测出运动目标,在视频序列图像中，相邻的图像之间具有连续性，当视频图像中有运动目标时，由于运动目标的运动，相邻图像间的像素点灰度值差别就会较大，相反，当视频图像中没有运动目标时，相邻图像间的像素点素灰度值差别就会较小，帧差法就是利用视频图像的这一特性进行检测的，它是运动目标检测的最简单方法。帧差法是先用相邻两帧做差分运算，然后做二值化处理，从而检测出运动目标。

光流实现多目标跟踪，就这么简单！光流实现多目标跟踪，就这么简单！光流实现多目标跟踪，就这么简单！光流实现多目标跟踪，就这么简单！光流实现多目标跟踪，就这么简单！光流实现多目标跟踪，就这么简单！光流实现多目标跟踪，就这么简单！光流实现多目标跟踪，就这么简单！光流实现多目标跟踪，就这么简单！光流实现多目标跟踪，就这么简单！光流实现多目标跟踪，就这么简单！光流实现多目标跟踪，就这么简单！光流实现多目标跟踪，就这么简单！

可实现检测图片中有无人脸的功能，并将人脸用圆圈标示出来，使用opencv自带的训练器文件，精度不是很高，但功能基本可以实现。