Coding Of Stauffer and Grimson 1999

应用背景图像处理在现实生活中用的越来越多，机器视觉内软件开发也越来越流行，编程语言也很多，labview变成门槛低，学的快，好用，实用。关键技术图像处理中包括一些基本操作，如图像的读取，灰度转换，滤波，形态学处理，例如：开运算、闭运算、高斯滤波等等，以及文件的保存，图像的差分，阈值的分割。

应用背景 自从微软发布了kinect for windows sdkv2.0以来，开发者们就利用此外设优越 特性来进行手势识别，尤其是此更新版本加强了对骨骼进行追踪的特性。 关键技术用于kinect 的手势识别程序。一个不错的例子，易于上手-this source code is based on the IR camera kinect, and also hand gesture reconiztion theory is applied .

原来zbar项目http://zbar.sourceforge.net呈现在Windows平台上的几个问题。我们想解决它在原有的项目，但它暂时不可行。该zbar管理员可能有其他职业，比调整zbar在Windows上运行的有力更重要。我们采用DirectShow技术来访问视频设备。

VB 脸部图像特征对比识别技术用vb对图像处理，但速度比不上c++

1.给定分类数M,MLL模型的势函数b,对影像作J-1层小波分解，设定EM算法迭代的停止条件，按照尺度从大到小的顺序设置尺度函数的取值。2.尺度n=J-1，根据K-均值聚类算法对尺度J上的特征场向量进行聚类，获取该尺度的初始分割结果。3.E步骤。使用MPL方法GMRF模型参数。 4.M步骤。使用估计出的参数，采用运算速度较快的迭代条件模式（ICM）通过最小化获取尺度上的优化的分割结果。 5.尺度内迭代。重复3和4知道满足某种准则，迭代停止。我们获得尺度n上的最终分割结果。 6.尺度间迭代。将尺度n的分割结果之间映射到最近的较细尺度n-1上，作为这个尺度的初始分割。重复5，直到获取最细尺度上的分割结果。

基于OpenCV2.3.1的人脸识别程序。OpenCV中已经附带了人脸识别的数据库，做了部分优化。

手势检测从视频序列中检测到手并定位手的区域，该过程对于特征的选择与处理相当关键，肤色及运动信息是经常被采用的两个有效的特征。但是，现实环境中由于光照变化、背景复杂及其它不可预知的干扰，仅一个特征往往不能有效地定位出手，需要多种特征互补，手势检测方法分为基于肤色信息、基于运动信息及多信息结合三类。本实验通过肤色信息检测出人手的位置，并使用红色矩形框框出区域。

由电子技术应用论坛的bingo编写的纯verilog代码；同时bingo也开设的讨论组一起讨论图像处理方面的相关fpga实现；关于ov7670 bingo有相关的连载博客；又需要的同学可以去看看；非常适合刚刚接触ov7670的fpga实现的朋友。当然相关权益属于bingo的。

这是我自己做的一个视频音频编解码的程序。视频的编解码是使用的FFMpeg做的，包括环境的配置和引擎的初始化。音频的编解码采用的事faad和faac。另外视频的采集用的是opencv，不过用的是IPImage而不是CVMAT，凑活着用吧

模拟。