人脸的检测与定位代码

该程序将执行基于 EmguCV 和 CognitecAPI 的人脸识别。EmguCV 是 c + + 的 C# 框架基于 OpenCV 库，广泛应用于计算机视觉。公司提供面相开发进行人脸识别算法。程序首先要求用户提供一个 id，然后捕捉 10 图像 （这可以由开发者后面的代码中更改） 训练分类，然后执行验证。训练图像与测试图像的相似性被描述一个分数，介于 0 和 1 之间的归一化处理。请将确保： 1。您创建一个名为 "fir 文件夹 " 在构建目录中，因为捕捉到的图像都存储在该目录下的 id 名称你 provide.2。你有公司提供面相相关的 API.3。所有其他相关的 dll 包含在文件中，如果东西不能工作，请首先检查是否处于调试模式或发布模式，并确保这些 dll 都在正确的文件夹中。在以明确的方式编写代码，所以它可以轻松地集成到任何其他的脸核查相关的框架，和/或可以被截断或者扩展来执行其他进程。享受吧 ！

基于opencv的人脸识别，haar-like快速计算，可检测人脸与眼睛 。对应opencv2.0函数，visualstdio2010编程。可同时检测多个人脸与眼部。

Multiresolution Spline whith aplication to image mosaics, Laplacian pyramid blendin。这是国外一个牛人于2010年完成的一个开源图像融合源码，是基于拉普拉斯金子塔分解的图像融合，其中封装了一个图像操作库，运行效果不错。

图像的超分辨率处理。将一张正方形图像先降采样变成原来的1/16，然后经过迭代反投影算法再变回原来的大小。将小图和大图比较可以发现清楚了很多。注意一定要放入正方形的图。迭代反投影算法是将模拟低分辨率图像和观测低分辨率图像的误差叠加到当前估计高分辨率图像，生成新的高分辨率估计图像，进行欠采样得到当前低分辨率模拟图像，不断循环迭代这个过程，直到误差精确达到要求范围或直到迭代次数完成（避免出现死循环）。

蚁群算法是一种优化算法由蚂蚁物种的自然行为的启发，蚂蚁觅食地上存款信息素。在这介绍了纸，蚁群算法处理的图像边缘检测问题。提出基于蚁群算法的边缘检测方法能够建立一个信息素矩阵表示提出了一种在图像中，每个像素位置的边缘信息根据大量的蚂蚁的运动有哪些派去在图像上移动。此外，运动这些蚂蚁被驱使的图像的局部变化强度值。

该方法是对图像的基本处理，能有效的帮助实验者最后的目标提取和阴影消除                                                                                                                                                                                                                                                                              

这是图像的极坐标变换！

DSPACK源码，包含package，source，基于directshow 视频开发需要的组件

用c和opencv实现，动态手势识别用的是hmm算法，里面有完整的HMM的实现，并实现了上下左右圆圈五种手势的识别。对于学习hmm有很大的帮助

正交匹配追踪算法，在分解的每一步对所选择的全部原子进行正交化处理，这使得在精度要求相同的情况下，OMP算法的收敛速度更快。MP一般只能满足第k个残差和xk正交，这也就是前面为什么提到“信号(残值)在已选择的原子进行垂直投影是非正交性的”的原因。如果第k个残差和fk不正交，那么后面的迭代还会出现fk中已经出现的项，很显然fk就不是最优的，这也就是为什么说MP收敛就需要更多次迭代的原因。不是说MP一定得到不到最优解，而且其前面描述的特性导致一般得到不到最优解而是次优解。那么，有没有办法让第k个残差与正交，方法是有的，这就是要谈到的OMP算法。