车道线检测

opencv，初学者

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.

该算法是criminisi算法的经典程序，对于初学者有很多的帮助，以及有现成的图片，可以很好的将criminisi算法从 入门到掌握。

harris角点检测的小程序，基于opencv2.4.2+vs2010编写的， 自己正在摸索阶段，水平比较菜，上传上来请大婶指正 具体的原理网上有很多，可以百度一下

对多个移动目标进行跟踪，鼠标选取跟踪对象，粒子滤波跟踪各个对象，跟踪结果稳定可靠，能够用于遮挡情况下目标跟踪，对opencv刚入门的用户简单易于理解，该程序为粒子滤波的简单实现

图的谱聚类概念提出了一种在下列文件中的说明代码执行教程目的： 1。吴、 A.、 Jordan M.和韦斯 Y.(2002 年)。谱聚类： 分析和算法。在 T.Dietterich S.贝克尔和 Z.Ghahramani (编)，进展神经信息处理系统 14 （页 849 — — 856)。麻省理工学院的 Press.2。P.数字和"分解方法分组"，H.伯卡特和 B.Neumann，编辑，触发视觉，T.，弗里曼 · 页 655-670-1998.3。J.石和 J.马利克、"归一化处理削减和图像分割"、 刘瑞 IEEE conf.计算机视觉和模式识别，页 731-737，1997.4。佩里 · 斯科特和 H.C.隆-希金斯、"功能分组由 Relocalisation 的特征向量的 Proxmity 矩阵"，在刘瑞英机展望会议，页 103-108，1990年。此实现中，演示了演化谱聚类方法与上述作者所提出的各种概念。

分析了小波分析及局部区域能量的图像融合算法的优缺点，提出了改进算法，实验证实算法具有较好的适应性和鲁棒性，分析了小波分析及局部区域能量的图像融合算法的优缺点，提出了改进算法，实验证实算法具有较好的适应性和鲁棒性。

K均值聚类法分为如下几个步骤： 一、初始化聚类中心 1、根据具体问题，凭经验从样本集中选出C个比较合适的样本作为初始聚类中心。 2、用前C个样本作为初始聚类中心。 3、将全部样本随机地分成C类，计算每类的样本均值，将样本均值作为初始聚类中心。 二、初始聚类 1、按就近原则将样本归入各聚类中心所代表的类中。 2、取一样本，将其归入与其最近的聚类中心的那一类中，重新计算样本均值，更新聚类中心。然后取下一样本，重复操作，直至所有样本归入相应类中。 三、判断聚类是否合理 采用误差平方和准则函数判断聚类是否合理，不合理则修改分类。循环进行判断、修改直至达到算法终止条件。

在VC中实现光流检测 已经通过测试 有实力视频和相关文档介绍 可以直接运行

通过读视频文件，通过高斯滤波平滑图像，用形态学滤波去噪，利用背景差分法即后一帧减去前一帧得到提取运动目标，通过二值化显示单通道图像，并不断更新背景