多个对象跟踪

我们目前的建筑场景，基于检测和代表当地对称性图像中提取局部特征的新技术。这些新功能的动机是当地的对称性，在不同尺度下的很多城市的形象，一个基本特征，也可能更具有不变性大外观变化比低级别功能如 SIFT 的事实。因此，我们将这些功能应用问题的挑战性成对的城市场景的照片。我们的特点基于本地双边和旋转对称性计算使用局部图像操作的简单的措施。这些措施用为特征检测和计算描述符。我们证明我们对具有挑战性的新数据集包含图像对参展的照明、 年龄和渲染风格的戏剧性变化范围的方法，表明我们的功能可以提高这一艰巨任务的匹配性能。

手势检测从视频序列中检测到手并定位手的区域，该过程对于特征的选择与处理相当关键，肤色及运动信息是经常被采用的两个有效的特征。但是，现实环境中由于光照变化、背景复杂及其它不可预知的干扰，仅一个特征往往不能有效地定位出手，需要多种特征互补，手势检测方法分为基于肤色信息、基于运动信息及多信息结合三类。本实验通过肤色信息检测出人手的位置，并使用红色矩形框框出区域。

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。本代码是基于HOG特征值的算法，在时间和准确性上都十分不错。 具体的，分类器的选择问题.ALT和ALT2效果较好，ALT _Tree检测时间略长，默认的准确性较差，所以应选用ALT或ALT2

此源代码告诉如何隐藏进程的文本可以采取数字输入图像的地方使用过程中的数字图像隐写术，所以然后可以适当地隐藏内容。

学习图像处理的入门教程代码，有清晰的注视，详细的代码，值得刚入门学习图像处理OPENCV的同学下载下来学习。里面还有各种机器学习算法的简介，可以学习了解下。

基于Bayesian框架的背景建模算法和相关论文，这中算法的性能要优于混合高斯建模和其它背景建模算法。可用于复杂背景下目标检测和跟踪。

nlm的matlab程序，以一片像素点为计算单元，不同于以往的一像素点为计算单元。运算时间稍长。基于局部算子的不同形式的TV模型用于彩色图像噪声去除时往往存在边缘模糊、纹理模糊、阶梯效应、Mosaic效应等问题。本文基于非局部算子概念将传统的Tikhonov模型、TV模型、MTV模型、CTV模型推广到NL-CT模型、

OTSU是在1979年由日本学者大津提出的，是一种自适应确定阈值的方法，这是按照图像的灰度特性，将图像分成目标与背景两个部分。

深度学习的一种模型deep-net其中是自编码SEA和分类器组成，用于图像分类；SEA可以用于可以代表输入数据的最重要的因素，加上分类器softmax就能实现分类；在图像分类上要好于其他的模型

几种经典的SAR图像去相干斑的方法，以及改进方法。比如lee，map，kuan、frost，还有部分改进算法。必要的注释都有，希望对大家有帮助。