多目标跟踪 OpenCV

通过形态学滤波操作，能够实现如下功能：消除噪声、分割独立的图像元素、在图像中连接相邻的元素、寻找图像中明显的极大值区域或极小值区域、求出图像的梯度

针对海洋藻类微生物的形状特征颜色，可以对其进行种类鉴定和数量统计，对研究海洋环境生态有重要的意义，无论是从研究的角度还是从软件的角度都可。

基于opencv实现surf算法对图像进行特征提取，并匹配，再利用ransac算法进行求精，最后实现图像拼接，效果不错

opencv3 的java开发资源，内附opencv的示例，包含图片和java工程，每个例子，一个小工程

基于opencv的SIFT特征提取算法，亲测好用！

vibe+算法是vibe的改进型算法，通过不同距离的函数和设置阈值准则，前背景分离是在更新和输出掩码之间，采用过的方法对传播进行抑制，从而消除ghost区域，在更新掩码时，增加闪烁检测程序，最后在增加一个更新因子，从而提高程序的鲁棒性。

SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配，获得了良好效果.

本资源为基于opencv实现的光流行学算法。能够比较有效的处理运动物体的检测，清晰整个视频的画面。代码已经是比较完整了，只要能够正确安装，配置好平台，都可以直接很好的使用。不管怎么说，光流行学代码实现的功能至少在社会安全，治理上面非常有效。

霍夫变换(Hough Transform)是图像处理中的一种特征提取技术，它通过一种投票算法检测具有特定形状的物体。该过程在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为霍夫变换结果。霍夫变换于1962年由Paul Hough 首次提出[53]，后于1972年由Richard Duda和Peter Hart推广使用[54]，经典霍夫变换用来检测图像中的直线，后来霍夫变换扩展到任意形状物体的识别，多为圆和椭圆。

使用opencv进行特征提取及立体匹配，针对所获取的图片对进行特征提取，获取点特征并进行匹配，使用SURF方法进行识别，亲测有效，欢迎下载