sift特征提取

Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的，而如今虽然有很多行人检测算法不断提出，但基本都是以HOG+SVM的思路为主。结合Klaman进行轨迹预测。

通过2个picture控件，扑捉视频，达到拍照功能利用普通的简易摄像头，通过C#语言即可开发成简易视频程序。本实例利用市场上购买的普通摄像头，利用VFW技术，实现单路视频监控系统。运行程序，窗体中将显示舰体摄像头采集的视频信息

人脸特征点识别代码，可做学习之用。使用vs2010和opencv4.0开发，当人脸出现在摄像头中时，可以检测出人脸特征点的位置并标定出来

对图像进行去噪处理，运用小波变换将其进行四层分解，进行小波变换可以将图像的高频和低频分量，分离出来，高频分量里又包含了大量的纹理特征信息，通过对图像进行小波变换提取图像特征量的均值和方差，作为图像的纹理特征

所谓粒子滤波就是指：通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被形象的称为“粒子”，故而叫粒子滤波。

制作一个在Android手机中用的圆形滑动菜单，像老式电话机一样的操作排列方式，有旋转效果。这仅是一个Android菜单，并不包括其它复杂的功能，有兴趣的下载源码包研究一下。

利用opencv的haarcascade_frontalface_default.xml，找到眼睛鼻子嘴的角点及一些特征点

由于网络技术的快速推进，人类可以随心所欲地访问或分发任何多媒体数据从网络。因此，知识产权的保护变得越来越周到，重要的是社会。根据该方案，正在开发的许多方法。数字水印是用于多媒体的版权保护的有利方法。它是嵌在一个数字码主机数据，并且通常含有约原点，状态和/或目的地的数据的信息。数字水印是携带有关著作权人，作品的创作者，授权消费等信息识别码 它被永久地嵌入到数字数据的版权保护，并且可以用来检查数据是否被非法修改有基于离散小波变换和奇异值分解一个强大的和安全的图像水印方案。

去噪声 任何边缘检测算法都不可能在未经处理的原始数据上很好地处理，所以第一步是对原始数据与高斯平滑模板作卷积，得到的图像与原始图像相比有些轻微的模糊（blurred）。这样，单独的一个像素噪声在经过高斯平滑的图像上变得几乎没有影响。 寻找图像中的亮度梯度 图像中的边缘可能会指向不同的方向，所以 Canny 算法使用 4 个 mask 检测水平、垂直以及对角线方向的边缘。原始图像与每个 mask 所作的卷积都存储起来。对于每个点我们都标识在这个点上的最大值以及生成的边缘的方向。这样我们就从原始图像生成了图像中每个点亮

lBP纹理提取纹理源码，使用c++编程，局部二元模式方法提取目标的纹理特征，是经典的局部纹理特征提取方法。