canny算子求边缘、最小阈值可以通过滑动条设置

该示例对载入的人脸图片先经过与处理之后，对人眼，鼻子，嘴的位置进行定位和检测。

本程序在打开图像时可以实现图像各种动态效果，包括扫描，移动，交叉飞入，百叶窗特效，马赛克显示，栅条显示，图像渐现，中间扩张，中间收缩，其中扫描，移动，和交叉飞入，百叶窗这些特效中还可以选择方向，各种特效都包含进去了。

此应用程序演示如何在ITU-656模式下从解码器ADV7183执行视频采集，将数据缓冲到SDRAM中。然后，缓冲的视频帧被发送到视频监视器。在此应用程序中，不需要任何处理

应用背景粒子滤波技术在非线性、非高斯系统表现出来的优越性，决定了它的应用范围非常广泛。另外，粒子滤波器的多模态处理能力，也是它应用广泛的原因之一。国际上，粒子滤波已被应用于各个领域。在经济学领域，它被应用在经济数据预测；在军事领域已经被应用于雷达跟踪空中飞行物，空对空、空对地的被动式跟踪；在交通管制领域它被应用在对车或人视频监控；它还用于机器人的全局定位。关键技术粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法(SequentialImportance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→∝时可以逼近任何形式的概率密度分布。

应用背景运动模糊图像是常见的模糊图像之一，在生活中处处存在，比如相机照相是手抖动就有可能造成运动模糊，在军事，交通，医学等方面都有应用，所以对运动模糊图像复原的研究有重大的意义。关键技术本文先假设运动尺度和运动角度，构造一个点扩散函数，使原图像变模糊，然后运用四种算法对图像进行复原（维纳滤波，最小二乘法，L-R，以及盲卷积），通过对比看哪种算法效果更好。

一种新的单目标长时间（long term tracking）跟踪算法。该算法与传统跟踪算法的显著区别在于将传统的跟踪算法和传统的检测算法相结合来解决被跟踪目标在被跟踪过程中发生的形变、部分遮挡等问题。同时，通过一种改进的在线学习机制不断更新跟踪模块的“显著特征点”和检测模块的目标模型及相关参数，从而使得跟踪效果更加稳定、鲁棒、可靠。

正在实现MPEG7描述符

人脸检测是一种确定的位置和大小的数字图像中人脸的计算机技术。它检测的脸并忽略任何其他，如建筑物、 树木和机构。人脸检测可以视为更一般的情况下的人脸定位。在人脸定位，任务是找到的位置和大小的面 （通常为一) 已知数。在人脸检测，脸上是处理和按位与底层的人脸图像数据库中匹配。任何微小的变化，在面部表情，例如微笑，嘴唇运动，将不匹配的脸。 人脸检测可以视为对象类检测的具体案例。在对象类检测中，任务是找到的位置和大小的所有对象都属于一个给定类的图像。例子包括上部躯干、 行人和汽车。 人脸检测算法专注于正面人脸的检测。它是类似于图像检测

opencv初级教程由美国伊力诺理工学院计算机科学系Gady Adam编写， 给出了opencv的介绍，常用函数，编译命令，命名约定和例程， 适合初学者利用opencv做图像处理和视频处理。

应用背景一个写承诺的眼睛检测和模板匹配的Android教程。由于OpenCV的Android是越来越好，一些代码片段可以是旧的，不是最好的解决问题的方法。如果您发现了一些改进，请评论或联系我，我将编辑这篇文章，分享给别人。我们采取标准的人脸检测和OpenCV的例子延伸一点。Android SDK可以在opencv  发现http://sourceforge.net/projects/opencvlibrary/files/opencv-android/；如果你arent"n熟悉Eclipse和OpenCV的呢，请阅读 ；  opencv4android的基本设置；第一。进口面检测样品，以蚀和清洗/建设项目确保正确进口和工作。正如你可以在视频中，有一些不同的图形用户界面对纯样品。有一个滑块可以很容易地改变匹配方法和按钮来重新创建眼睛模板。关键技术Android SDK Java OpenCV图像处理