运动目标检测追踪简单实现

应用背景蚁群算法是一种自组织的算法。在系统论中，自组织和它组织是组织的两个基本分类，其区别在于组织力或组织指令是来自于系统的内部还是来自于系统的外部，来自于系统内部的是自组织，来自于系统外部的是他组织。关键技术蚁群算法具有较强的鲁棒性。相对于其它算法，蚁群算法对初始路线要求不高，即蚁群算法的求解结果不依赖于初始路线的选择，而且在搜索过程中不需要进行人工的调整。其次，蚁群算法的参数数目少，设置简单，易于蚁群算法应用到其它组合优化问题的求解。

对于人脸检测的人脸样本准备，通常需要手工从图像中截取人脸区域，为了程序鲁棒性的考虑，生成的人脸样本需要还要有一定角度的旋转；对基于统计训练的图像自动标定（image alignment，比如Active shape model 或Active appearance model）方法来说，第一步工作就是手工在图上把物体轮廓标出来，这些点一般称为landmark。 程序就主要完成这两个功能： 1.先准备个标准形状做参考，比如从论文里找这样一张图，用ginput按顺序选68个点（68个点的定义见CMU那帮人的论文，文

视频序列中运动物体的检测，非常灵敏，值得一看！利用的是帧间差的方法，测试了几段视频，效果真的不错，实时性很强。

vb制作的矩形框 vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框

利用 opencv 和 haar 分类器的人脸检测。 这是一种代码包含 opencv 的训练，利用 haar 分类器分类器比检测的面孔中不同的图片，可以做为一部电影的不同帧。

本人自己写的一个操作BMP文件和位图数据的类，功能强大，内容丰富，值得下载

基于dm6437的程序，主要用c进行编写，对用ccd摄像头采集来的图像流进行入、采集，并通过液晶屏进行显示，通过对每一个像素与sobel算子进行卷积和，实现对采集来的图像流进行边缘检测，从而达到我们想要的效果。

此示例应用程序演示了BlobCounter类的用法，该类允许在指定的图像中查找所有单独的对象。它找到每个单独的对象，提供其属性，并在其他框架类的帮助下，为每个对象或其四边形的角点提供凸包（如果对象确实是四边形，则应以良好的精度找到其角点）。

我的任务是要熟悉图像和网格分割算法，使用代数拓扑。代数拓扑检查空间的拓扑由学习抽象的代数结构，而莫尔斯理论建构的空间顺序，注意到其拓扑结构的变化。坚持理论是什么使这些定量的方法之间的连接，通过将分配给每个拓扑功能其生命周期中由一步一步建筑空间。这种理论能够通过基于分水岭的方法主要被用于分割的目的。本质上，流域程序认为图像或网格被水淹了水，与湖泊沉积盆地新兴地形景观。随着水平的上升，从相邻盆地水域满足沿分水岭线，成型段边界。这通常会导致 oversegmentation，所以合并迈出的一步是必要的对于我们可以使用持久性理论。考虑的算法基于聚类的过程，由弗雷德里克 ·那个开发。人的 INRIA 沙克雷，法国 ；其中建立流域的方法，在附近区域图，并合并段鞍点的基础相应的地方 extrememum 与鞍点，即坚持的高度差异将召开会议。在灰度图像、 位图自己或它的梯度给出了图，而彩色图像映射到颜色空间，在哪里我们寻找的盆地中的点云密度极大的吸引力。三角网格模型通常要分割的一些近似的曲率。根据项目建议书只实现了图像的分割算法，在 c + + 语言。在灰度案例中，我得到有用的结果为合成和一些简单的自然图像。对于彩色图像，我是能够有效地再现的原创文章，结果，但该算法很难调，和性能优化是必要的为实际使用。三角网格模型，为我考虑过各种签名功能和基于持久性的分割算法，以及前瞻性的执行有关的潜在问题。

从设备采集到的图像进行处理，先由RGB图像降成灰度图像，则可进行各种运算子处理,达成各种不同效果。Gaussian由特定方程生成遮罩及调整参数sigma产生不同状态之模糊图像;Sobel及Prewitt，使用两位提出之遮罩产生侧边效果，最后，LOG则由Laplacian&Gaussian结合，侦测出效果更好的边缘图像。P.S. 对于图像处理基本认识者适用。