人脸特征点识别

与PCA算法降维。我们有一些照片，希望应用PCA算法他们减少维度。这是一个关于模式识别问题。

opencv 中基于控制台的双摄像头的图像同步采集，可以用于相机标定时的棋盘图像采集工作。可以运行，需要根据自己的版本改opencv的编译库

海，

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。

基于相位相关性的运动估计实现方法，matlab代码

本翻译是直接根据 OpenCV Beta 4.0 版本的用户手册翻译的，原文件是： /doc/ref/opencvref_cv.htm, 可以从 SOURCEFORG 上面的 OpenCV 项目下载，也可以直接从 阿须数码 中下载： http://www.assuredigit.com/incoming/sourcecode/opencv/chinese_docs/ref/open cvref_cv.htm。 翻译中肯定有不少错误，另外也有些术语和原文语义理解不透导致翻译不准确或者错 误，也请有心人赐教。 图像处理、结构分析、运动分析和对象跟踪部分由R.Z.LIU 翻译，模式识别、照相机定 标与三维重建部分由H.M.ZHANG 翻译，全文由Y.C.WEI 统一修改校正。

动态物体处于一个已知位置信息，然后开始移动，基于相机传感器采集的信息，物体可以进行实时动态定位。该算法是基于粒子滤波的原理实现的，可以在框架基础上进行扩展。

通过opencv配置vs2012配置，实现读取视频并且进行车辆计数。用背景差分法能有效背景提取但是摄像头抖动必须控制。该代码运行前提是需要有相应背景图像进行差分。

C#做的手势识别。在计算机科学中，手势识别是通过数学算法来识别人类手势的一个议题。手势识别可以来自人的身体各部位的运动，但一般是指脸部和手的运动

这是的 VB 代码 图像编辑在 vb. 编辑与改变的缩放、 旋转、 亮度、 对比度、 作物提供了便利 用户可以在红色 /Green/Blue 频谱或黑色和白色颜色窗体中查看图像