模板匹配代码

最好最易懂图像分类程序，利用支持向量机进行简单的分类，简单易懂。并提供了一种贝氏距离的编写方法，希望对大家有所帮助。

国外牛人多目标跟踪matlab代码,含测试数据,论文.包含背景建模,目标跟踪,轨迹关联,预测等

2010年PMAI的杰出论文的开源代码，Superpixel,用于图像分割效果非常好。是目前图像分割主流方法之一！

useful for SAR imaging processing  wellkown algorithm to form the radar image both to processing in range and azimuth direction

这是一个人脸识别演示/算法测试程序，基于Windows操作系统，在VS2008 SP环境下编写，算法部分用到了OpenCV 2.0，其中ASM人脸对齐部分还用到了OpenCV 1.0；演示程序界面部分用到了MFC。 演示程序的功能是，对摄像头拍摄的或用户指定的图像，检测其中人脸，然后在已存储的人脸库（通过摄像头或图片注册）中找到最匹配的人脸并显示。还有人脸库和分类器的导入/导出功能。  整个工程可以分为3个部分：算法、功能和应用。 算法部分：算法部分目前分为4个模块：人脸对齐、光照归一化、特征提取和选择、子空间降维，每个模块是一个项目，每个项目生成一个dll供功能部分调用。 功能部分：功能部分只有一个项目FaceMngr，该部分依赖于算法部分，实现人脸注册、训练、识别、导入/导出等具体功能。该项目生成一个dll供应用部分调用。 应用部分：应用部分依赖于功能部分，实现了与人脸识别有关的应用，目前有两个项目：人脸识别演示程序frtest，和利

简单的Android开发实例，作为初学者可以仔细研究下。相信你可以从中初步了解到Android开发的一些注意事项，及基本的Android开发的基本情况，希望对初学者有一定的帮助。有兴趣可以下载mars老师的视频教程进行学习。

使用说明：第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。 首先，打开图像（256色） 再次，进行归一化处理。点击“一次性处理” 最后，点击“R”或者使用菜单找到相应项来进行识别识别的结果显示在屏幕上，同时也输出到文件result.txt中该系统的识别率一般为90%另外，也可以单独对打开的图片一步一步进行图像预处理工作。但要注意，每一步工作只能执行一遍，而且要按顺序执行。步骤为：“256色位图转为灰度图”“灰度图二值化”“去噪”“倾斜校正”“分割”“标准化尺寸”“紧缩重排”另外注意，要识别的图片，要与win.dat、whi.dat位于同一目录。此两文件保存训练后网络的权值参数

这个 Matlab 程序实现测地线主动轮廓线模型。测地线活动轮廓。测地线活动轮廓模型，由Caselles et al.引入，为从经典的主动轮廓模型的边缘检测提供替代模型。这种方法是相当于找到一个精心挑选的黎曼空间的两个点的测地距离。这个新的模型并不冲浪呃从一些古典的主动轮廓线模型的限制。由于这种模型的内在本质，几何形状的轮廓的变化都自动处理，因此可以同时识别多个对象。此外，这种新方法使用参数较少，因此减少了对图像的预处理，需求。这种方法也不太容易变化的边缘，允许对象与非理想边缘将被认出。

面向梯度直方图可以用于图像中目标检测。特别是，他们被用作行人检测"使用面向梯度直方图的行人检测"一文中介绍 Dalal 和 Triggs。Matlab 程序代码计算猪以详尽的方式，如本文所述。训练分类和检测对象/非对象区域，然后可以使用说明符。

资源描述This software is intended for research purposes only.  All rights reserved.  Copyright rests with the authors. When using this software, please ackowledge the effort that went into development by referencing the following paper: A Hough Transform-Based Voting Framework for Action Recognition. A. Yao, J. Gall & L. Van Gool (CVPR 2010). Questions or comments concerning the code can be addressed to Angela Yao (yaoa@vision.ee.ethz.ch). The bulk of the code was developed from work detailed in the paper  Class-Specific Hough Forests for Object Detection. J. Gall and  V. Lempitsky (CVPR 2009) with code available here: http://www.vision.ee.ethz.ch/~gallju/projects/houghforest/houghforest.html =============================================================================== USAGE & NO