标记视频中的人脸

本实验室对人手的实验 对基础者很有用  在实验中首先对图像进行特征点的 采集 然后进行数据的对齐操作，后者在进行对数据点的降维处理 这样的到更有用的数据点

弄了几天总算出来效果了，原来一直对menashift算法中权值w的下标理解有错误。核函数使用的是简单的Epanechnikov，带宽h和搜索区域的大小都是固定的这个有待改进。摄像头使用的是笔记本自带的摄像头。

基于opencv实现的asm算法的人脸检测，包括器官（眼睛、鼻子、嘴巴）和表情的识别，检测效果较好，难度适中，适合初学者学习使用。

资源描述将一系列图片合成视频。通过设置一系列图片的命名为连续数字，程序代码可以实现输出为顺序播放该系列图片的视频。并且在程序中可以通过调节视频帧率改变图片在视频中的播放速度。默认的视频输出格式为avi格式。

形状检测，形状识别，能检测到正方形，三角形，举行，椭圆等基本图形，仅作参考与学习，很有指导意义

用高光谱数据对地物进行分类，分别用KNN算法（K—近邻）和GDA算法进行分类。 The main contents are as follows:             Introduce two kinds of classification algorithm -- K nearest neighbor and Gauss discriminant analysis.  

应用背景最近在研究电子稳像的东西，尝试着通过opencv编写了一段电子稳像的程序，效果不错，但是实时性不好。大家可以用来参考，开拓思路。关键技术平台为vs2010，使用opencv库编写，里边涉及到了LK光流法，Corner角点检测，最小二乘法等，输入视频，可以输出稳定后的视频，稳像效果不错，但是实时性很差，大家可以用来参考，开拓思路。

对源图像指定区域（通过矩形的左上角和右下角的坐标点指定）使用最小误差最佳阈值法，通过迭代获得该区域的最佳阈值。

应用背景对训练图像集和测试使用OpenCV的SVM功能基础。这里有我收集的图像形式http://homepages.inf.ed.ac.uk/rbf/cvonline/imagedbase.htm。图像的一个在线数据库，由各单位。我已经训练过的花卉意象。28正50负。关键技术为此，我创建了一个培训矩阵组成的所有图像，一个图像。这样做，我将每个图像从二维到一维，然后堆放在一个大的图像trainingmat。然后我创建一个标签矩阵的一列和行为训练图像的多。我 ；标签每行1或1来识别它的正的或负的图像分别进行训练后的SVM参数设置。然后我将它保存在一个XML文件，并加载了测试它与另一个图像转换测试图像一维之后。如果函数返回1是阳性，如果它返回1是负的。增加精度提高训练图像的数量。抱歉不能上传图片太。