测地线主动轮廓模型

飞思卡尔程序 代码 比赛程序，全国大学生智能汽车竞赛是以智能汽车为研究对象的创意性科技竞赛，是面向全国大学生的一种具有探索性工程实践活动，是教育部倡导的大学生科技竞赛之一。 本竞赛以“立足培养，重在参与，鼓励探索，追求卓越”为指导思想，旨在促进高等学校素质教育，培养大学生的综合知识运用能力、基本工程实践能力和创新意识，激发大学生从事科学研究与探索的兴趣和潜能,倡导理论联系实际、求真务实的学风和团队协作的人文精神，为优秀人才的脱颖而出创造条件。

图像几何处理，包括图像平移，放大，缩小，旋转等等。通过图像几何处理，完成最基本的图像操作。

应用背景vs2010+opencv2.4.8,这个是测人脸识别代码的准确率的，具体人脸识别的方法在我上传的另外一个代码里面。里面也有两个cpp,testLBPHaccuracy.cpp测得是LBP方法的准确率，testLBPloadAccuracy.cpp则更为精简，测得是直接下载分类器用于测试的准确率，理论上说两个应该一样。关键技术可以修改createLBPHFaceRecognizer()此函数的参数例如改默认参数为 (1,8,4,4,DBL_MAX)和修改训练图片的张数（即修改at.txt文件）再分别测它们的准确率和时间。里面附有我测的各种变化的准确率和时间（包括在vs上跑的时间和板子上跑的时间）大家可以参考一下，从内存，时间，准确率选择最适合的参数。

// FingerDemo.cpp : Defines the class behaviors for the application. // #include "stdafx.h" #include "FingerDemo.h" #include "MainFrm.h" #include "ChildFrm.h" #include "FingerDemoSet.h" #include "FingerDemoDoc.h" #include "FingerDemoView.h" #include "FingerDBM.h" #include "Authentication.h" 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。

本文的主要目的是通过采用 k-均值和遗传算法得到非重叠和可靠的输出。不同的色彩空间都是在我们的应用程序中输入图像的简单 (K-均值的基础） 聚类技术融合。

应用背景相机图像的畸变，对畸变进行校正。主要为张友元棋盘标定法，基于opencv。。。效果不错！相机图像的畸变，对畸变进行校正。主要为张友元棋盘标定法，基于opencv。。。效果不错！相机图像的畸变，对畸变进行校正。主要为张友元棋盘标定法，基于opencv。。。效果不错！关键技术vs上基于opencv库函数，使用c语言编译，采用张友元棋盘标定法算法，解决面阵相机拍摄图像的畸变。效果很好。可以解决图像的畸变。。。最好需要10张以上有位移偏差的图像。棋盘图必须完全位于相机的视野内。。。。。

这是一个完全工作三维人脸识别系统在 python 中作出。请在自述文件中找到的说明。它实现了以下功能： 1。归一化2.平滑3.内插4.裁剪5.缩放6.关键点提取7.旋转

混合高斯模型背景建模实现的运动前景提取(MixGaussExtractForeground)，VS2008+OPENCV实现工程，可以使用，简单方便易懂，注释清晰，i附带测试视频，是学习混合高斯模型背景建模和运动检测的好东西。

绘制灰度直方图，实现直方图均衡化和直方图规定化,灰度图像的对比度增强,图像的几何变换,图像加噪（用输入参数控制不同噪声），然后使用空域和频域进行滤波处理. 利用matlab中的GUI向导建立界面，然后写回调函数，实现各个算法的功能。包括图像读取、保存、关闭、灰度化、图像二值化、图像增强、图像几何变换、图像边缘检测。