人脸识别使用Emgu CV和Cognitec API

本程序是根据微软给的例子，在其基础做了很多的变动，可以实现深度信息的提取，将采集到的三维点云数据分别存取到三个不同的文档中，方便后面的三维点云数据的处理，本程序是使用c#开发语言实现的。

这个项目用来注册指纹。和它验证指纹。首先将指纹注册成 数据库。然后它会保存。然后进行匹配的指纹与现场指纹图谱。

pencv2.4.0以上的版本提供了stitcher类，可以很方便的实现几幅图像的拼接，关于这个类详细的介绍，可以参考文档： http://docs.opencv.org/2.4.2/modules/stitching/doc/high_level.html?highlight=stitcher#stitcher。     该类主要用的成员函数有createDefault，用于创建缺省参数的stitcher；estimatedTransform，用于匹配图像、分析摄像头旋转角度；composePanorama,生成最后的拼接图像。文档中提示如果对stitching的整过过程不熟悉的话，最好不要使用以上两个函数，直接使用stitch就行了。关于图像拼接的过程，涉及到特征点的提取、特征点匹配、图像融合等等比较复杂的过程，可以参考相关论文和期刊。

这些代码做一些像图像去噪和高-通行证-筛选器操作。 每个图像下载与 BMP 格式可以转换为黑或白色。 您可以将图片 resultats 保存到 bmp 的文件格式。

利用AMM实现人脸特征点的标注，内有源代码及可运行程序

应用背景粒子群算法工具箱 该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。关键技术与遗传算法相比，PSO仅需要调整少数几个参数即可实现函数的优化。该算法对待优化函数没有任何特别的要求(如可微分、时间连续等)，因而其通用性极强，对多变量、高度非线性、不连续及不可微的情况更加具有其优势。 该工具箱的使用主要分为几个步骤： 1) 在Matlab中设置工具箱的路径； 2) 定义待优化函数； 3) 调用PSO算法的核心函数：pso_Trelea_vectorized()。 其中第三步最关键，用户需要根据自己的需要设置好参数，可使算法极快收敛。

粒子群优化算法(Particle Swarm optimization,PSO)又翻译为粒子群算法、微粒群算法、或微粒群优化算法。是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法。通常认为它是群集智能 (Swarm intelligence, SI) 的一种。它可以被纳入多主体优化系统(Multiagent Optimization System, MAOS).粒子群优化算法是由Eberhart博士和kennedy博士发明。

资源描述 该程序使用的是windows提供的图片集，程序运行环境为win8.1+VS2013，程序的功能是根据提供的两个视点的深度图和彩色图，合成出一个虚拟是视点的深度图和彩色图的程序！

经典ksvd工具箱，用于压缩感知中信号的重构，利用OMP算法求稀疏稀疏矩阵，然后通过迭代方式运用奇异值分解逐列更新

应用背景 均值滤波器 采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图像中的颗粒噪声。领域平均法有力地抑制了噪声,同时也由于平均而引起了模糊现象,模糊程度与领域半径成正比。 几何均值滤波器所达到的平滑度可以与算术均值滤波器相比,但在滤波过程中会丢失更少的图象细节。 谐波均值滤波器对“盐”噪声效果更好,但是不适用于“胡椒”噪声。它善于处理像 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 打分 发表评论 暂无评论