Robotic Face Detection

应用背景这是使用Haar特征训练弱分类器，然后使用约14弱分类器连接节点作为一个强分类器，该方法选择弱分类器是AdaBoost算法。 ；关键技术

此代码使图像按相邻像素缩放多少倍；

vc实现 高斯模糊算法处理，可完美实现图片高斯模糊效果。 VC realization of Gauss fuzzy algorithm processing, can achieve the perfect picture of Gauss fuzzy effect.

应用背景 针对各种游戏都可以使用的菜单，虽然不是太精美但是可以自己去修改修改，完全可以用 顶点缓存和索引缓存：IDirect3DVertexBuffer9 IDirect3DIndexBuffer          使用这两缓存而不是用数组来存储数据的原因是，缓存可以被放置在显存中，进行绘制时，使用显存中的数据将获得比使用系统内存中的数据快得多的绘制速度。          静态缓存(static buffer)：一般放置在显存中，不需要进行修改，比如地形和城市建筑等。静态缓存必须在程序初始化时用几何体的数据进行填充。          动态缓存(dynamic buffer)：一般放置在AGP存储区中，放置动态的内容。优点是更新速度相当快(快速的CPU写操作，方便修改)，缺点是处理速度慢，因为在绘制前数据必须传输到显存中。          对显存和AGP存储区进行读操作非常慢，所以，如果您需要程序运行时读取几何数据，最好在系统内存中保留一份副本，然后在需要时对其进行读操作。          Device->CreateVertexBuffer()          Device->CreateIndexBuffer(

最近，PCA 有着广泛的应用，面对识别算法。它是最受欢迎之一人脸图像的表示方法主成分分析法用于降维线性 判别分析 （LDA），生成一个新范式，叫歇。此方法是更不敏感的照明，光照变化和的面部表情。然而，这种方 法是计算比 PCA 方法贵 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

对当今静态手势识别技术中的各种方法进行了详细的分析，并在此基础上，设计并实现了一套可以进行实时识别的静态手势识别系统。本系统共分为四个模块：手势图像捕捉、图像预处理、特征提取以及手势的分类识别。系统在运行的过程中首先由 USB 摄像头捕获手势图像，再经过图像预处理得到手势的二值图像以及轮廓图像，针对这两幅图像对手势进行特征提取，最后采用基于欧氏距离的模板匹配法进行识别。在系统的图像预处理以及特征提取两个模块中，加入了 OpenCV（微软开源视觉库）函数库，在运行的效率以及速度上都达到了良好的效果。在实际的系统测试中对本文定义的十个手势建立了模板库，并且在固定手势采集距离以及非固定手势采集距离两种情况下对 681 个测试样本进行了识别，平均识别率为 92.80%，达到了很好的识别效果。同时，符合高识别率以及实时处理的设计准则。

运用harris角点检测算法实现角点检测，根据阈值筛选角点。opencv2.4.3

mfc制作胡基于opencv的显示图像的功能，非常适合学习与应用，也可以作为图像处理与机器视觉项目开发的基础

这是实现ufc算法的源代码，实现图像的聚类，通过将相似的部分聚类，得到图像的边缘，供大家学习，希望会有所帮助

斯坦福大学教授写的opencv源码 光流法，这个光流法的程序是能够直接运行的，内部甚至配置好了相关的工程条件和视频