利用opencv进行目标检测及跟踪

基于opencv，使用直方图均衡化的方法进行数字图像处理，满足冈萨雷斯的数字图像处理课本的例题要求，适合初学者理解参考

关于屏幕录像，想必大家都了解在用的，很多工作需要经常录像保存，方便以后查看的，这里给大家介绍下如何用VC++实现 屏幕录像的功能，并另外保存为WMV格式的视频文件，可以在各种视频播放器中查看和编辑的，大大地方便我们的工作和学习应用，提高了工作效率的！

应用背景如今，由于照相机性能的限制，使得人们不能很好的拍摄一幅幅面比较大的图像。针对于此，本代码利用c++结合opencv，实现了多幅图像的拼接，并且得到比较好的效果。关键技术主要通过分析图像的特征，然后提取出图像中有用的相关联的角点，最后利用角点匹配技术，初步得到匹配的图像。由于在匹配过程中，存在部分匹配不当的角点，所以在应用图像融合技术，达到更好的效果

应用背景用python语言写的，基于OpenCV的小程序，可以开启摄像头，并按下Esc键截图，同时有C++版本的，希望对你有用，也希望一起交流！关键技术OpenCV的简单应用，利用index值开启相机，并判断在Esc键按下截图并退出，支持python和C++两种语言，方便灵活运用，同时代码附有详细注释，可以让你更好理解每一句代码的含义，帮助你读懂程序，谢谢！

H264编解码，压缩域处理H264编解码，压缩域处H2H264编解码，压缩域处理64H264编解码，压缩域处理编解码，压缩域处理理

应用背景粒子滤波算法是一个采用蒙特卡罗采样进行贝叶斯滤波的方法。这种方法有许多的用途，但它已经成为进行物体追踪最好的方法。从概念上讲，一个粒子滤波算法包含一个被监视系统的状态的概率分布。关键技术在本项目中，状态就是指被追踪物体的位置、大小等等。在许多情况下，非线性和非高斯型在物体的运动和相似性建模上会得到一个难以处理的滤波分布。粒子滤波采用将这个分布重新表示为一组加权值，或称为粒子的方法克服了这个困难。每个粒子表示一个可能的系统状态实例。换句话说，每个粒子描述了被追踪物体可能处于的一个方位。一个粒子集包含了被追踪物体最有可能处于的方位。因此，我们可以通过寻找在粒子滤波分布中最大的权重来确定物体最有可能处于的状态。

这个程序使用拉普拉斯滤波器和高斯滤波器对锐化图像，图像处理的像素使用指针

能实现高密度人群的检测和人员的跟踪–基于背景差的运动目标检测、分割方法难以奏效 .利用Adaboost分类器在带状区域中检测行人头部 ，•柔性较好，针对不同的应用场景参数调整较少•实时性好，普通PC上实现30FPS的检测速度•统计准确率较高–密度低时能达到90%以上的准确率–密度高时能达到70%以上的准确率 

通过水平集的数据处理可以将摇杆影像中的特征对象进行提取，针对所要研究的对象进行分析，大大的提高了研究的进度，避免了不必要的误差充。

在保密环境中，部分非法用户会故意把电子资料或屏幕截屏存成图像格式以防止保密检查工具或反泄密、防泄漏系统检测到。因此，对图形图像文字识别技术提出了较高要求。 可以在图像文件上标记密级等级的字样，通过识别这些密级等级的字样。可以方便的对不同等级的图片进行分类管理。首先，需要提取这些图像中的文字信息，然后比对密级等级字典，对于不同等级的图像，用一种显著方式对这些图像进行区分。主要阅读为开发人员。