图像中的人脸检测

能实现高密度人群的检测和人员的跟踪–基于背景差的运动目标检测、分割方法难以奏效 .利用Adaboost分类器在带状区域中检测行人头部 ，•柔性较好，针对不同的应用场景参数调整较少•实时性好，普通PC上实现30FPS的检测速度•统计准确率较高–密度低时能达到90%以上的准确率–密度高时能达到70%以上的准确率 

openCV实现的简单花卉的图像分割代码，通过最大类间方差法求得阈值对图像二值化，求得最大连通分量，得到前景和背景，对前景图像进行分割

基于肤色模型的手势分割检测，人手检测根据肤色模型检测人的手所在位置,并根据模板判断手势。-Detection of manpower under the color model to detect the location of the hand. And in accordance with the template to determine gesture.

应用背景 简单的基于pil库 和python自带函数来实现序列直方图 并将其打包成exe文件  在没有python环境下也可以运行 对多种格式的序列图片进行处理 。。关键技术循环获取整个序列的像素值 然后画出其直方图  并将其打包成exe  文件 使其在不同的环境下可以运行。。

应用背景android 编码解码h264， 调用原生api编解码h264，能够达到1080p，同时udp发送至vlc，可以实时观看，系统要求4.2以上，红迷测试可以达到720p关键技术android 编码解码h264，包括h264 encode decode，系统api是mediacodec，视频采集是camera回调，转换yv12到yuv420

OOL CVideoEXEDlg::OnInitDialog() { CDialog::OnInitDialog(); // Add "About..." menu item to system menu. // IDM_ABOUTBOX must be in the system command range. ASSERT((IDM_ABOUTBOX & 0xFFF0) == IDM_ABOUTBOX); ASSERT(IDM_ABOUTBOX < 0xF000); CMenu* pSysMenu = GetSystemMenu(FALSE);

这是 Microsoft 基础类 c + + 库的一部分。签名识别

应用背景这是使用Haar特征训练弱分类器，然后使用约14弱分类器连接节点作为一个强分类器，该方法选择弱分类器是AdaBoost算法。 ；关键技术

用matlab编写的形态学滤波预处理指纹图像，包括n*n的二值膨胀、腐蚀和开闭操作，得到较好的指纹图像

对黑白TIFF 图像进行处理，将200DPI 转换为 300DPI，或者转换为指定的DPI。