TouchToRecord 大师

应用背景利用配置好opencv2.4.9的VS2008实现SIFT变换的完整的一个DEMO关键技术数字图像处理中图像特征提取技术，两幅图像的匹配问题

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。

视频图像处理，目标跟踪，以背景差分法分离出了前景和背景。背景建模，运动物体检测。Video image processing, target tracking, background

surf算法demo，网上的一个关于surf算法的demo，大家参考参考

通过模糊c-均值（FCM）聚类实现图像的分割。动态聚类方法的目的是把n个样本划分到c个类别中的一个，使各样本与其所在类均值的误差平方和最小

输入： 的视频图像序列 (最好是从一个网络摄像头获取)，坐在电脑前的用户假设显示一些文档 （文本、 图形、 医学图像或一张照片） 和 visualizedGoal： 检测注意力的焦点和改性的用户感兴趣区域 （请注意我们只感兴趣的用户感兴趣区域不眼睛本身的轨迹 ！）基于这一点，一些地区的兴趣可以绘制到图像上。要做的任务： 开发能够检测到应用程序和跟踪在视频眼; 确定相应的观察 （重点） 位置 （区域） 屏幕，在屏幕上眼的运动轨迹; 标记区域的利益和他们的进化，变化在时间

将 GSLIB的三维物体文件写为图像所可接受文件 X Y Z image[x][y][z] 输入文件名为input.txt GSLIB 文件要删除前几行的说明

PHOG形状描述特征能同时描述物体的局部形状和形状的空间布局。其特征表示是通过逐级分割图像，对同一幅图像进行不同尺度的分割，然后计算每个尺度中patch的小HOG，最后综合每一级各分块的梯度方向直方图，组成一个梯度方向直方图金字塔。

1.根据训练文件夹中的图像训练单词表。在每一张图像中提取sift点，将从所有图像中得到的128维sift点进行聚类，类别数就是单词数，聚类中心就是单词，将得到的单词表保存下来。 2.对于每一张新的图像，先提取图像中的sift点，按照之前训练好的单词表将每个sift点对应成某个单词，统计在这幅图像中每种单词的数量，就是词包模型。 注意：生成的文件每行代表一幅图像，将文件复制出来后修改后缀成.doc可以用word打开。 首先运行centr3得到单词表，在运行bagofword生成单词包。