目标检测帧差法算法

基于OpenCV2.3.1的人脸识别程序。OpenCV中已经附带了人脸识别的数据库，做了部分优化。

近年来，加速增长的数字媒体收藏集和特别是静止图像集合，这两个专有和在网络上，建立了需要为发展的人类-为中心的高效的访问和检索的视觉信息的工具。需要管理这些图像和目标图像响应用户查询 h 的定位成为一个重要的问题。图像分类是有效地处理海量图像数据库的重要一步，使高效的检索算法的实现。图像分类是指的一种数字图像分为不同的类别，在特定的数据集，基于属性值内的分组。这样做的目的是为了替换图像数据的可视化分析与定量技术。本项目提出了图像分类技术的基础使用离散余弦变换、 沃尔什变换的变换后图像的特征向量。特征向量的各种大小是 8 × 8、 16 X 16、 32 X 32、 64 × 64 和 128 × 128 等生成的。所提出的算法被过的数据库1000 幅图像传播超过 10 个不同的类。欧氏距离作为相似性度量。设置一个门限值来确定查询图像属于哪一类的。

本代码以class的形式，编写C++程序。结合Kinect v2.0+ VS2012+openCV2.4.9，将Kinect v2.0彩色帧存到openCV2.4.9类型的图像函数格式（Mat image）中，并将获取的kinect v2.0彩色图像输出到文件夹里保存.这里涉及到Kinect v2.0的打开，color数据的获取，以及与openCV2.4.9相结合的数据格式，还有使用sprintf_s函数将图像保存到指定的文件夹下。

人脸检测系统，待扶正人脸库，待扶正人脸系统，C++写的

该段代码是verilog HDL 代码，为一个全加器，里面已经将其有源代码，及其仿真的效果，波形等等。可以用quartus II打开，或者进行下载到FPGA开发板上去。

IMTRANS - Homogeneous transformation of an image. Applies a geometric transform to an image [newim, newT] = imTrans(im, T, region, sze);

用实际数据来编译，运行过，没有错误与大家分享。 。 。 。FFT是一种快速算法的离散傅立叶变换，一信号可以转化到频域。在时域中的一些信号是很难看到什么功能，但是作为如果转换到频域后，很容易地看到该功能。这是一个很大的信号分析利用FFT变换的原因。另外，一个信号的FFT频谱可以是提取，其中，所述频谱分析经常被使用。虽然很多人都知道FFT是什么，可以做什么，怎么这样做，但不知道的是，即使FFT结果平均后，如何使用的决定多少个点做FFT。

步骤1. 输入图像2. 转换为灰阶图像3. 边缘检测4. 扩大灰度5. 边界计算6. 预计算高斯距离权重7. 应用双边滤波器8. 提取本地区域9. 计算高斯密度权重10. 计算双边滤波器响应

这项工作基于统计方法的问题，而不使用大培训数据库和不诉诸神经网...... 我避免神经网络显而易见的选择，唯一的真正原因是： 1） 它已进行前字符识别。 2） 它不似乎是本着同样的精神，作为我们的课程和讲座， 和方法。 3） 神经网络，以我的经验，似乎并不产生可伸缩的、 关于底层视觉问题/解决方案的重用信息... 就我所知他们只是证明，一些系统称重层感知产量的正确结果大部分时间。 只有几篇文章手写识别的问题，我所读过的指的是统计方法解决它。我已经从他们，我的想法，但是我还没有找到任何准确的参考，我对这个问题的办法。我将会检讨各种统计方法在下一章。

Features of the toolbox:  (1) The toolbox includes classic level-set methods such as geodesic active contours (GAC), Chan-Vese model and a hybrid model combining the boundary and regional terms.  (2) All the methods are implemented with the semi-implicit solver AOS which can