camshift算法详解

手势识别系统源代码手势识别系统源代码手势识别系统源代码手势识别系统源代码手势识别系统源代码

// 功能：代码 5-23 计算轮廓矩 // 作者：朱伟 zhu1988wei@163.com // 来源：《OpenCV图像处理编程实例》

与传统的车道线检测算法不同,本文采用LDA算法对道路图像进行针对性灰度化处理。加大车道线与道路的差异,然后使用抛物线模型对车道线进行拟合,采用混沌粒子群算法对抛物线参数进行优化,以车道线的灰度特征和梯度特征作为混沌粒子群的适应度函数,经过多次的迭代得到抛物线拟合车道线的参数最优值,进而识别出车道线。实验结果表明,本文算法能在复杂环境下识别出车道线,对视频帧序列中的车道线连续追踪具有良好效果。 

基于python的opencv学习资料，非常适合入门者学习。(Opencv learning materials based on Python are very suitable for beginners.)

在vs2010平台下，使用opencv2.3库写的人脸检测程序，使用opencv自带的haarcascade_frontalface_alt.xml，亲测可以使用，适合刚刚接触opencv和人脸检测技术的朋友，欢迎下载。

学习 OpenCV 课后练习 5-4 已经运行成功(The Learning OpenCV supplementary exercises 5-4 has run successfully)

利用Opencv软件实现对一段三车道上的视频进行车辆计数(Using Opencv software implementation for a three lane video vehicle counting )

基于OpenCV的人脸检测程序，可以快速识别人脸图像，并生成人脸部图像截图。

C# SDK for Face++ 人脸检测与分析 检测给定图片(Image)中的所有人脸(Face)的位置和相应的面部属性 检测模式可以是normal(默认) 或者 oneface 。在oneface模式中，检测器仅找出图片中最大的一张脸。 可以是none或者由逗号分割的属性列表。默认为gender, age, race, smiling。目前支持的属性包括：gender, age, race, smiling, 可以为图片中检测出的每一张Face指定一个不包含非法字符且不超过255字节的字符串作为tag，tag信息可以通过 /info/get_face 查询 检测给定人脸(Face)相应的面部轮廓，五官等关键点的位置，包括25点和83点两种模式。(Face Detection and Analysis Detecting the location and corresponding facial attributes of all faces in a given image The detection mode can be normal (default) or oneface. In oneface mode, the detector finds only the largest face in the picture. It can be none or a comma-separated list of attributes. The default is gender, age, race, smiling. Attributes currently supported include gender, age, race, smiling. Each Face detected in a picture can be tagged with a string that does not contain illegal characters and does not exceed 255 bytes. The tag information can be queried by / Info / get_face. The location of key points such as facial contour and facial features for a given face (Face) is detected, including 25 points and 83 points.)

角点是图像很重要的特征，可以是极值点，即在某方面属性特别突出的点，对图像图形的理解和分析有很重要的作用。角点在保留图像图形重要特征的同时，可以有效地减少信息的数据量，使其信息的含量很高，有效地提高了计算的速度，有利于图像的可靠匹配，使得实时处理成为可能。 提取出目标图像的角点，根据角点特征进行目标匹配，根据匹配策略可以检测出目标图像的角点，实现目标跟踪。