对图像进行批处理

该算法与传统跟踪算法的显著区别在于将传统的跟踪算法和传统的检测算法相结合来解决被跟踪目标在被跟踪过程中发生的形变、部分遮挡等问题

对图像进行HSV特征提取，并用SVM进行训练，实现火灾检测。提取大量火灾图片和非火灾图片的hsv颜色特征，在此基础上，使用SVM支持向量机进行训练模型，之后对新的图片进行分类，火灾或者非火灾

大家好好利用，共同学习，里面的代码是在vs2013+opencv3.2环境下调试成功的，其他的版本也能用，只要版本别太低，运行的时候记得加载初始yml文件，这是很关键的一步，当然也可以用自己的摄像头进行测试，若有问题可以给我发邮件

利用经典的 Eigenface 或者Fisherface实现的 人脸识别 需要opencv2.4.1 或者更新的版本，才可以编译或者运行 是学习opencv和 人脸识别很好程序

利用帧差法识别视频中运动的物体。我采用的是利用二帧法，对于运动速度慢的物体效果也是非常好的，我一直i想进行模板匹配的，但是总是进行不好。还是希望有人能够跟我交流一下。希望有人能够喜欢，有什么问题在一起讨论

c++调用opencv编写的实现遗留物检测和区域检测、越界检测的代码

实现了人脸检测，利用Haar级联，将检测到的人脸戴上面具。

SIFT/SURF基于灰度图， 一、首先建立图像金字塔，形成三维的图像空间，通过Hessian矩阵获取每一层的局部极大值，然后进行在极值点周围26个点进行NMS，从而得到粗略的特征点，再使用二次插值法得到精确特征点所在的层（尺度），即完成了尺度不变。   二、在特征点选取一个与尺度相应的邻域，求出主方向，其中SIFT采用在一个正方形邻域内统计所有点的梯度方向，找到占80%以上的方向作为主方向；而SURF则选择圆形邻域，并且使用活动扇形的方法求出特征点主方向，以主方向对齐即完成旋转不变。   三、以主方向为轴可以在每个特征点建立坐标，SIFT在特征点选择一块大小与尺度相应的方形区域，分成16块，统计每一块沿着八个方向占的比例，于是特征点形成了128维特征向量，对图像进行归一化则完成强度不变；而SURF分成64块，统计每一块的dx，dy，|dx|，|dy|的累积和，同样形成128维向量，再进行归一化则完成了对比度不变与强度不变。

基于opencv的相位相关法，实现将图像从空域转换到频域，计算图像间平移参数，进而用于图像间配准，效果不错

读取视频文件，平均值法获取初始背景，背景实时更新，背景差分获取车辆目标前景，形态学滤波进行噪声处理，边缘检测获取边缘前景，可针对具体帧进行hough线检测，能够统计视频帧数，且能够提取其中任何一帧。