基于增强型主动形状模型的人脸特征提取

此为KLT跟踪代码，压缩包内部包含了关于此代码的详细介绍与适用方法。可以自定义跟踪图片数量，压缩包里也提供了演示图片已经已有的实验结果。此代码源于Stanford，同时KLT is now in the public domain.  Stanford"s Office of Technology Licensing has removed the non-commercial restriction.

特征选择也叫特征子集选择 ( FSS , Feature Subset Selection ) 。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化。向后搜索（ SBS , Sequential Backward Selection ）：从特征全集O开始，每次从特征集O中剔除一个特征x，使得剔除特征x后评价函数值达到最优。向前搜索（ SFS , Sequential Forward Selection ）：特征子集X从空集开始，每次选择一个特征x加入特征子集X，使得特征函数J( X)最优。简单说就是，每次都选择一个使得评价函数的取值达到最优的特征加入，其实就是一种简单的贪心算法。

这个源代码是利用OpenCV工具包，实现图片中的人脸检测，并将检测出来的人脸用绿色方框框出来。所附代码，使用VS2008完成，使用OpenCV2.4.6。参数从命令行输入。argv[1]是图片的位置。检测眼睛的代码和人脸检测是一样的，只需要在检测出的人脸上再次进行一番相同的检测即可（注意：检测眼睛的参数需要调整，特别是最大最小区域范围）。

可以调整图像色阶、锐度、反色、灰底均衡，还可以对图像进行反转、平移、旋转等操作

使用c++编程语言，结合opencv库，分别采用拟合法和灰度重心法提取图像中圆斑中心，其中采用迭代法自动确定二值化阈值

在本文中，我们目前 DCT （离散余弦变换） 块应用级图像压缩 JPEG （联合摄影专家组） 算法的有效性。结果表明该算法是在压缩的情况下最有效的因为它有非常良好的压实性能与能源相关的值。作为一项基本原则，我们消除高频率，并保持低和介质不会明显影响形象。在实际应用中的人脸检测、 皮肤颜色、 面部识别、 虹膜、 指纹等遇到了 DCT 的 JPEG 压缩算法

Blob 检测是一种快速、 简便的方法可以用于许多机器视觉任务，例如跟踪一个红色的球，找到一个蓝色的标记或检测人皮肤 （皮肤检测可与人脸检测和人脸识别方法性肤质的面具和手势识别非常有用）。若要查找彩色的斑点，你应该转换你的彩色图像从 BGR HSV 格式这样的颜色很容易分开。可以使用 HSV 颜色转换页面上的"ColorWheelHSV"程序看要到阈值的 H、 S 和 V 的值。你并不使用其他图形软件，请参见使用因为 HSV 值是不同的在 OpenCV 比在其他软件中的 HSV 阈值。举个例子，如果你想要检测一个蓝色的球，你可以运行 ColorWheelHSV，看到那蓝色大约是色调 85 到 130 在 OpenCV 之间。

隐藏在图像中的文本。在这里提供的文本将被隐藏在图像中。加密后当过需要的文本可以恢复回来从文本。

此化学需氧量检测并跟踪光学标记。通过该算法首先导入视频，使用 adabtive thershohld 探测和跟踪多标记。

这个代码可以实现几幅有重叠部分图像的拼接，而且效果很好，采用的是opencv库函数。实现简单。而且很容易看懂，对于类似工程的开发有很大的意义/