皮肤检测

应用背景你可能有你的运动视频。这个程序检测接头用彩色标记和计算角度从肩肘>；>；手腕。和它的速度。你可以看到只有骨骼或全视频。你可以控制播放速度，并看到标记帧的帧。你可以拍一个跟踪标记的快照，或者可以用跟踪标记和角度来渲染整个视频。关键技术利用OpenCV跟踪颜色。（蓝色，红色，绿色，深绿色）。基于OpenCV的视频渲染。用opencv绘制文本。使用Qt库。

此源代码被实施，以检测手，这样做是为了手势的手，手掌中心，

人脸检测是一种确定的位置和大小的数字图像中人脸的计算机技术。它检测的脸并忽略任何其他，如建筑物、 树木和机构。人脸检测可以视为更一般的情况下的人脸定位。在人脸定位，任务是找到的位置和大小的面 （通常为一) 已知数。在人脸检测，脸上是处理和按位与底层的人脸图像数据库中匹配。任何微小的变化，在面部表情，例如微笑，嘴唇运动，将不匹配的脸。 人脸检测可以视为对象类检测的具体案例。在对象类检测中，任务是找到的位置和大小的所有对象都属于一个给定类的图像。例子包括上部躯干、 行人和汽车。 人脸检测算法专注于正面人脸的检测。它是类似于图像检测

利用opencv进行目标检测及跟踪，通过团块检测实现目标检测及跟踪，利用改进的surendra算法提取背景，在本机上已实现

它将读取像素的像素和计算有差异，将存储在另一个矩阵。从这些我们可以分析图像帧中的每个像素的强度

使用opencv对图像进行简单的去噪，主要利用了opencv的cvSmooth()方法平滑图像，实现中使用的是中值滤波平滑，也可以使用双向滤波平滑，在不同的场合，效果会不同。

资源描述关于运动目标检测中车辆的检测方法及使用CAMSHIFT算法进行车辆跟踪

实现图象的平滑（去噪声），锐化。，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时系统中所要提取的汽车边缘信息也主要集中在其高频部分，因此，如何去掉高频干扰又同时保持边缘信息，是我们研究的内容。为了去除噪声，有必要对图像进行平滑，可以采用低通滤波的方法去除高频干扰

人脸检测，包括人脸眼睛检测。基于opencv，效果不错。以OpenCV 图像处理库为核心，以QT 库所提供的界面框架为基础，提出了人脸识别系统设计方案，实验证明本方案具有较好的实用性，可移植性。但仍有许多不足之处，如身份与表情识别部分可以通过引入神经网络或支持向量机SVM 进行分类，可以使识别准确率与识别种类数得到提高，这些也是后续工作中步需要改进的。

对图像进行对数、指数灰度变换。对数变换扩展了低灰度区，压缩了高灰度区，能使低灰度区的图像较清晰地显示出来。而指数变换一般用于对图像的高灰度区给予较大扩展。源码包中给出了源码和要处理的图片，1、4两张分别为过亮过暗的图，经过相应变换都能得到较好的效果。