ehci 人脸检测

喷泉可以控制高低，喷泉的数量，还有灯光照射的效果，用opengl做的，粒子效果还是很明显的，有不同的喷泉模型，分散的主星的扇形的等等。

是关于VisualC数字图像处理技术的书籍，很好的一本书，网上热销，讲解了预处理、特征提取、识别、跟踪等等。希望能给大家带来帮助。

资源描述一个基于Qt平台的c++入门图形转换显示的小程序,有助于新手入门图形转换.

根据场景中的静态图像或视频，利用给定的人脸数据库信息，鉴别或确认该场景中的一位或多位人的身份的过程。

基于Kinect的信息采集系统，以采集衣服的信息为例。记录每件实物的图像信息和对应的深度信息，并且将他们一一对应的储存起来。图像信息是BGR图，并且采用了无损压缩的png格式，深度信息以灰度图png格式存储。除此之外，系统还可以记录材质，颜色，形状，类型，风格，等其他的信息。这些信息保存在Data文件夹中，以csv格式保存。图像信息保存在Images文件夹中，深度信息保存在Depth文件夹中。

K-means cluster 用c++实现的，大家一起学习交流。 Step 1. 从n个数据对象任意选择k个对象作为初始聚类中心； Step 2. 循环Step 3到Step 4直到每个聚类不再发生变化为止； Step 3. 根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离，并根据最小距离重新对相应对象进行划分； Step 4. 重新计算每个（有变化）聚类的均值（中心对象） k-means算法的工作过程说明如下：首先从n个数据对象任意选择

基于OMP正交匹配追踪算法的小波基CS图像重构。利用测得矩阵找出重建矩阵中与之最匹配的列，与该列对应的即是重建的稀疏图像中的相对应位置的系数。然后得到将测量矩阵减去第一步第一个系数所对应产生的测量矩阵中的值，得到下一步残差，然后再找与之最匹配的列，如此循环下去，直到迭代到要求的次数

资源描述视频处理需要提取前景，相对于简单的帧差法而言，混合高斯建模能直接提取出前景，但是运算量有些大。

基于人脸识别特征脸......与示例代码创建培训数据库然后在识别过程中使用它

在监控场景中用kalman滤波对目标轨迹进行跟踪预测，kalman滤波的两大步骤是预测和更新，当场景中由于遮挡等原因目标跟踪丢失得到轨迹片段，用kalman对缺失的轨迹点进行预测，kalman两大假设前提是高斯、线性。对于非高斯非线性系统不适用，目标运动建模是满足匀速运动