反馈型神经元网络

可以简单的实现运动目标检测,帧差法[18]又叫时间差分法，它通过将视频序列图像中的当前帧与相邻帧所对应的像素点的灰度值进行比较，然后找到差异，进而检测出运动目标,在视频序列图像中，相邻的图像之间具有连续性，当视频图像中有运动目标时，由于运动目标的运动，相邻图像间的像素点灰度值差别就会较大，相反，当视频图像中没有运动目标时，相邻图像间的像素点素灰度值差别就会较小，帧差法就是利用视频图像的这一特性进行检测的，它是运动目标检测的最简单方法。帧差法是先用相邻两帧做差分运算，然后做二值化处理，从而检测出运动目标。

基于opencv的行人检测，基于HSC特征，使用SVM进行训练分类器，目前只能对图片使用

opencv提取关键帧，关键帧分水岭和阈值分割

配置好大恒的SDK环境以及opencv环境可以直接运行，含有丰富注释，很适合学习。

基于opencv2.4.10，运用vs2010进行代码编译，完成对摄像机的标定和对鱼眼镜头采集的视频进行图像校正。使用张正友标定法进行标定，随着视频播放能够对每一帧进行校正，效果比较好。 因为校正原因，图片会有部分边缘信息丢失。

这是通过皮肤模型进行肤色识别和提取的demo  本人opencv为2.4.10版本  vs2013找到后就可以直接运行+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

基于Opencv的摄像机标定程序的实现，每行代码几乎都有注释，亲测能够运行，准确的标定出摄像机内外参数。

在opencv+VS2013平台上实现Shi-Tomasi提取算法，可在图片上绘画出Shi-Tomasi特征点

本代码是在VS2008，opencv2.3.1环境下实现的。运用了查找表的思想对算法进行了优化，是程序运行的更快。并且用直方图显示了图像像素的分布情况，而且在直方图中显示了图像的阈值点。

利用opencv库函数实现的图像拼接，验证有效