结合Kinect v2.0+ VS2012+openCV2.4.9，获取kinect音频信息并显示

输入： 的视频图像序列 (最好是从一个网络摄像头获取)，坐在电脑前的用户假设显示一些文档 （文本、 图形、 医学图像或一张照片） 和 visualizedGoal： 检测注意力的焦点和改性的用户感兴趣区域 （请注意我们只感兴趣的用户感兴趣区域不眼睛本身的轨迹 ！）基于这一点，一些地区的兴趣可以绘制到图像上。要做的任务： 开发能够检测到应用程序和跟踪在视频眼; 确定相应的观察 （重点） 位置 （区域） 屏幕，在屏幕上眼的运动轨迹; 标记区域的利益和他们的进化，变化在时间

数字英文ocr识别。该程序只是一个案例，知道delphi开发则如何使用asprise控件

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。本代码是基于HOG特征值的算法，在时间和准确性上都十分不错。 具体的，分类器的选择问题.ALT和ALT2效果较好，ALT _Tree检测时间略长，默认的准确性较差，所以应选用ALT或ALT2

降低过分割的产生，主要从两个方面着手：1) 在进行分水岭变换前，通过对图像滤波，标记提取等手段抑制噪声引起的过分割；2) 在分水岭变换后，通过一定的合并准则，

摘要：故障诊断起着物理的重要作用 故障分析与产量的学习过程。随着数百亿 晶体管被集成在一个芯片上，多个故障可能 存在的。随着多个故障，故障屏蔽和加固效果 可能会出现。它们可能会导致基于单故障常规 诊断方法，如在一个时刻的单个位置（SLAT） 为无效。如果没有流行的SLAT方法失败 够SLAT图案可以由单个stuckat说明 故障。此外，一个真正的硅缺陷可能表现为不同 故障在不同的故障模式模型（DM），它可 无效使用单故障模型的方法SLAT 在所有失败的模式。在本文中，我们介绍的概念 故障元件，支持多种故障模型，并使用faultelement 图（FEG）考虑故障屏蔽和加固 多故障之间的影响。基于所有失败的FEGs 模式，最有可能的故障位置和故障的因素 被反复识别。同时，FEGs是迭代地 修剪跟踪的其余多个故障的影响，直到 所有的故障点被确定，所有的FEGs减少 为null。实验表明，该诊断 方法可以识别，即使在​​多个故障的位置 DM具有较高的诊断精度和分辨率。 关键词：故障诊断，故障元件，故障元件 图（FEG），多种故障模式，多重故障。

资源描述视频处理中前景提取的基本方法，处理速度快，可以得到运动目标的边框。

opencv用多种方法提取特征，分别有颜色提取即：颜色直方图提取；形状提取有Hough直线提取、Hough矩形提取以及边缘直方图提取

用matlab编写的形态学滤波预处理指纹图像，包括n*n的二值膨胀、腐蚀和开闭操作，得到较好的指纹图像

matlab练习程序（弧形投影） 这个其实也算是圆柱体投影了，不过上一篇文章是从正面看，得到的是凸形的结果，而这个是从反面看，得到的是凹形的结果。计算公式就不写了，大致介绍一下，计算公式中关于x坐标求法和上篇一样，y坐标则正好是上篇公式的反变换，结合上篇公式代码和本篇的代码，应该都不是很难理解的。

FREEMAP 很不错请大家参考FREEMAP 很不错请大家参考FREEMAP 很不错请大家参考FREEMAP 很不错请大家参考FREEMAP 很不错请大家参考FREEMAP 很不错请大家参考FREEMAP 很不错请大家参考FREEMAP 很不错请大家参考FREEMAP 很不错请大家参考FREEMAP 很不错请大家参考