模板匹配的目标识别

opencv的mfc平台，基于directshow采集摄像头编号，用于双摄像头的图像采集，可以用于标定时的图像同步采集

基于OpenCV2.3.1的人脸识别程序。OpenCV中已经附带了人脸识别的数据库，做了部分优化。

本人从别处下载得到的运动图像检测系统，觉得还不错，分享下。

应用背景利用机器视觉进行障碍物检测时，需要定位障碍物的坐标，由于相机有畸变，因此需要进行标定。这对于精确的定位障碍物有很大的作用。关键技术附上代码的同时还有标定图片，只需要修改一下图片存取的路径即可使用，特别适合初学者学习和使用。本标定采用opencv内置函数，基于张正友的算法思想。基于opencv1.0和vc6.0写成。

具箱包括34种数据降维技术，包括- Principal Component Analysis ("PCA") ---主成分分析- Linear Discriminant Analysis ("LDA") ---线性判别分析- Multidimensional scaling ("MDS") ---多维尺度分析这些可以通过compute_mapping函数或GUI调用：

利用参考图像和 ip 摄像机输入的 3D 对象检测。比较不同形状的目标检测与摄像头输入 ref_image。

必须需要用到的of自带的addons包括：ofxThreadedImageLoaderofxXmlSettingofxGui额外的addon是ofxUI可以自行到www.github.com下载在创建工程是需要添加这些addons。若创建是没有添加，也可手动将其所有源码文件添加到自己的工程中去。在ksApp中增加了大量注释，并修正了一些错误增加了类ks::ZhangSan1111: 用于示例如何写出简单的作业增加了类ks::TirSrcDemo: 用于示例如何构造出具有三个数据源接口的万花筒

BCB6.0使用VFW库open web摄像头构建，

四叉树可以根据它们所代表的数据，包括区域，点，线和曲线的类型进行分类。四叉树也可分类树的形状是否是顺序数据被处理独立的。

为了计算出地形点(Xi, Yj)上的高程值,一般需要首先从DEM地形数据中搜索到其所属的栅格,然后利用栅格交点处的高程值和二次线性插值函数来计算得到其高程值。但是这种方法每次都必须从海量的DEM地形数据中搜索出一个特定的栅格,而目前搜索算法的最优时间复杂度不会低于log(n)。为了充分利用计算机的移位计算的特点,文中采用2i倍的放大或者缩小DEM地形数据栅格的方法。这种方法省略了栅格搜索过程,从而大大提高了计算性能。其原理如图4所示:缩放显示图像时,栅格数减少一倍,需要合并四个相邻栅格。其中的虚斜线表示原来的栅格和等高线,黑粗线表示由新栅格计算得到的等高线。