视频提取MV---ffmpeg

全变差图像去噪，首先通过增加高斯噪声来产生带噪图片，然后在用全变差方法对噪声去除，全变差算法的好处地保留了图像的边缘性，但是当噪声过大时会使边缘产生阶梯效应

程序提供了人眼疲劳监测，实时检测人眼并分析图片，使用vc++与opencv，当人眼疲劳时，系统将发出警报。

这是基于opencv的人脸检测的源码，主要用于检测人脸并进行识别。程序主要通过从本地读取一个bmp格式的文件，然后对文件进行解析，进而进行识别，在算法实现上主要用了光线补偿、图像灰度化、高斯平滑、图像对比度增强和均衡直方图等方法。

在Delphi编程环境下，将医学图像格式DICOM格式转换为其他图像格式，使其能够在家庭电脑上查看或者处理图像。l可转换的图像格式有：4D NIFTI，SPM2,SPM5,FSL等格式

完整的MFC编写的基于人脸识别的智能签到系统，包含了开发文档。基于Windows操作系统，在VS2008 SP环境下编写，算法部分用到了OpenCV 2.1，其中ASM人脸对齐部分还用到了OpenCV 2.0；演示程序界面部分用到了MFC。 演示程序的功能是，对摄像头拍摄的或用户指定的图像，检测其中人脸，然后在已存储的人脸库（通过摄像头或图片注册）中找到最匹配的人脸并显示。还有人脸库和分类器的导入/导出功能。 

传播神经网络算法的源代码 这是监督的神经网络，需要学习率和势头的两个学习参数

应用背景人脸检测算法的可靠性很大程度上依赖于分类器的设计，在2001年，Viola和Jones两位大牛发表了经典的《Rapid Object Detection using a Boosted Cascade of Simple Features》和《Robust Real-Time Face Detection》，在AdaBoost算法的基础上，使用Haar-like小波特征和积分图方法进行人脸检测，他俩不是最早使用提出小波特征的，但是他们设计了针对人脸检测更有效的特征，并对AdaBoost训练出的强分类器进行级联。关键技术 人脸检测从整体来看分为四个部分： 1、Face detection 人脸识别，即识别出这是人的脸，而不管他是谁的。 2、Face preprocessing 面部预处理，即提取出脸部图像。 3、Collect and learn faces 脸部的特征采集和学习 4、Face recognition 脸部识别，找出最相近的相近脸部图像。

应用背景 用于图像处理，调节图片的gamma值，已调试过，可用，基于vs2012.无数据库。能进行图片的调节，左右有对比啊。 关键技术 调节图片的gamma值，用vs开发，是c#开发的，有借鉴价值，图片处理，可已使用。

应用仿生模式识别对目标的覆盖，实现对目标的跟踪，在图像帧内实现全局搜索，得到目标的中心和尺寸范围。

这是一段 基于视频跟踪的源代码，用C语言编写。主要运用的是帧间差分法，前面会运用到一些图像的预处理，数学形态学方面的处理，比如说二值化、膨胀、腐蚀等等。语言代码里有很详尽的注释，程序可以成功运行。视频格式必须是AVI.  如果想用自己的视频做测试，请命名为video.avi  即可。 希望对大家有所帮助。