多目标跟踪

应用背景此源代码为背景扣除模型。背景扣除模型是目标跟踪中的重要部分。这个方法是很容易的，高质量的结果。关键技术盛传的方法很好。在背景建模如MOG，mog2，GMG的许多方法，自适应背景建模等。感觉是很好的方法，比。

边缘检测算法喜欢罗伯茨、 空降和普鲁伊特运算符可以用于更多灰度梯度和 噪音。对于检测对角边缘 Sobel 运算符是更加敏感。另一方面，普鲁伊特运算符是更多 敏感的水平和垂直边缘。康力的运算符基于三个标准。第一个条件是使用 为疏导图像的高斯函数。二是一阶导数的最大值对应于 最小的一阶导数。换句话说，这两个点用灰度 （强边缘） 和点的戏剧性变化 稍有变化的灰度与对应于第二阶导数零交叉点。因而这些两个阈值为 用于检测弱边缘和强边缘。康力的算法不是容易受到噪声干扰的事实 使其真正弱边缘检测的能力。所以 Canny 的算法是边缘检测优化算法。

在场景图像上通过模板匹配技术，找到与之匹配的精确定位位置，程序中对于每个模板分别给出了最后的目标定位位置坐标，默认左下角的坐标为（0,0），得到偏差

opencv 中基于控制台的双摄像头的图像同步采集，可以用于相机标定时的棋盘图像采集工作。可以运行，需要根据自己的版本改opencv的编译库

VB 脸部图像特征对比识别技术用vb对图像处理，但速度比不上c++

 基于OPENCV基于OPENCV的道路中心线的识别，对清晰的道路场景具有适应性， 适用范围比较窄，只能适用于交通标线比较清楚，画面整体像素值分布均匀，背景干扰较少的图片。

这是一个从图像中提取直线特征的程序，已经达到了一个相对准确的效果，本程序利用的是hough算法，和canny算子，但是美中不足是，图像中的一些较短的直线不能准确的检测出来，所以还需要一定的改进，上传以备大家共享

这一项目执行对象跟踪使用潜在的支持向量机方法。它被编译使用 opencv 249 和 visual studio 2010

本程序实现Harris角点检测功能，是图像处理领域必不可少的学习工具，初程序简单易懂，特别适合学者参考学习!

这里在VS2010和opencv的环境下编码的调取摄像头并对摄像头捕捉到的图像进行处理。 第一步：初始化摄像头。 第二步：设置图像属性。 第三步：获取一帧图像。 第四步：显示图像cvshowimage()。 第五步：保存图像。 第六步：对图像进行阈值分割。 第七步：对图像进行二值化处理。 将彩色图片转化为灰度图片