车辆尾随检测

资源描述最全的OpenCV示例源代码. 这个资源包含了opencv中主要函数的几十个示例，详尽而且具体，并且附有程序运行所需的素材，对于学习opencv具有很强的帮助作用

gabor特征提取程序 matlab实现 附有图像测试-gabor feature extraction process to achieve with matlab image test gabor小波是比较实用的小波，是近几年研究者们普遍使用的用于图像的特征提取的小波。它有能够有效的将图像的一些特征信息提取出来。

RGB转化我HSV空间，方便，可以用于图像处理的颜色空间转换，在不同空间下对图像进行处理，可以用于HSV空间处理阴影的里面

1，启动摄像头 2，加噪和去噪 3，对对视频进行保存和录制 4.人脸的检测 5，简单人脸跟踪 6，人脸识别

资源描述使用opencv库实现图像的边缘检测，在vs2013+opencv2.4.10中完美使用，只需要把代码中读入的图片换为自己的路径就可以了

生物指标是归档的生物数据的统计分析。脸是最好的生物数据最能说明一个人之一。人脸识别系统发现应用在许多领域的脸广泛公认是总是向社会开放。脸识别中人机交互、 安防系统、 社会网络等发现应用程序。

可以同时获得强度和范围的图像，提出了一种在系统中的用户的手任意姿势

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。

非局部均值滤波器原代码。作者：Author: Jose Vicente Manjon Herrera & Antoni Buades

RGB转HSI中S分量的代码，在视频增强器中需要用到的算法转换，根据这种算法可以将其移植至FPGA中，在FPGA中实现。