人脸识别打马赛克

这档节目正在变化的培训SET其中包括前期的形象.PREPROCESSING涉及图像以供随时THE NEXT STAGES。我们的主要目的在于，在眼疾病症状的检测。

该算法在检测到人脸并定位面部关键特征点之后，主要的人脸区域就可以被裁剪出来，经过预处理之后，馈入后端的识别算法。识别算法要完成人脸特征的提取，并与库存的已知人脸进行比对，完成最终的分类。

应用背景图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。关键技术现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。1998年以来，研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法。图像分割后提取出的目标可以用于图像语义识别，图像搜索等等领域。

Multiresolution Spline whith aplication to image mosaics, Laplacian pyramid blendin。这是国外一个牛人于2010年完成的一个开源图像融合源码，是基于拉普拉斯金子塔分解的图像融合，其中封装了一个图像操作库，运行效果不错。

SIFT算法的代码实现，快速进行图像拼接，源码是个Demo，可以允许和测试！

应用背景vs2010+opencv2.4.8,这个是测人脸识别代码的准确率的，具体人脸识别的方法在我上传的另外一个代码里面。里面也有两个cpp,testLBPHaccuracy.cpp测得是LBP方法的准确率，testLBPloadAccuracy.cpp则更为精简，测得是直接下载分类器用于测试的准确率，理论上说两个应该一样。关键技术可以修改createLBPHFaceRecognizer()此函数的参数例如改默认参数为 (1,8,4,4,DBL_MAX)和修改训练图片的张数（即修改at.txt文件）再分别测它们的准确率和时间。里面附有我测的各种变化的准确率和时间（包括在vs上跑的时间和板子上跑的时间）大家可以参考一下，从内存，时间，准确率选择最适合的参数。

本文介绍的是从图片中提取文字，图片非单一的的，而是较复杂的背景下。采用c语言编程调试最后达到预期效果的。源代码尽数在附件中。

四叉树可以根据它们所代表的数据，包括区域，点，线和曲线的类型进行分类。四叉树也可分类树的形状是否是顺序数据被处理独立的。

opencv2打开双摄像头，解决了opencv2在Linux下不能打开摄像头的原理，在Linux下，考虑大带宽的原理，在640*480分辨率下， Linux的带宽是不能支持两个摄像头i的，因此只能采用分辨率比较低的320*240模式，才能打开双摄像头。

稀疏光流程序演示 此程序是斯坦福大学大牛David Stavens 2007年编写，其中程序注解详尽，配有PPT和PDF讲解图文并茂，非常适合初学者学习使用。 此程序是使用VC++ 搭配opencv2.6写作而成，使用者需要在vc环境下配置opencv才可以运行 本程序基于OpenCV。