平均法获取视频图像背景

卡尔曼滤波（Kalman filtering）一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。 斯坦利·施密特(Stanley Schmidt)首次实现了卡尔曼滤波器。卡尔曼在NASA埃姆斯研究中心访问时，发现他的方法对于解决阿波罗计划的轨道预测很有用，后来阿波罗飞船的导航电脑使用了这种滤波器。 关于这种滤波器的论文由Swerling (1958), Kalman (1960)与 Kalman and Bucy (1961)发表。 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 打分 发表评论 暂无评论

利用经典的 Eigenface 或者Fisherface实现的 人脸识别 需要opencv2.4.1 或者更新的版本，才可以编译或者运行 是学习opencv和 人脸识别很好程序

基于opencv2.4.10，运用vs2010c++进行代码编译，用mfc搭建演示界面，利用opencv自带的人脸检测分类器可以有效的检测出当前视频中的人脸并保存图片。若训练好人脸数据库还可以进行人脸匹配。

通过参数调整，可获取任意帧数的平均值

可以简单的实现运动目标检测,帧差法[18]又叫时间差分法，它通过将视频序列图像中的当前帧与相邻帧所对应的像素点的灰度值进行比较，然后找到差异，进而检测出运动目标,在视频序列图像中，相邻的图像之间具有连续性，当视频图像中有运动目标时，由于运动目标的运动，相邻图像间的像素点灰度值差别就会较大，相反，当视频图像中没有运动目标时，相邻图像间的像素点素灰度值差别就会较小，帧差法就是利用视频图像的这一特性进行检测的，它是运动目标检测的最简单方法。帧差法是先用相邻两帧做差分运算，然后做二值化处理，从而检测出运动目标。

利用opencv库函数实现的图像拼接，验证有效

基于Opencv的摄像机标定程序的实现，每行代码几乎都有注释，亲测能够运行，准确的标定出摄像机内外参数。

这是一个C/C++的程序，利用opencv库实现retina特征点检测，对于学习opencv的人有很大帮助，解压后可直接运行

opencv 的VS2015工程模板  。  大家下载后直接用来作为opencv的项目用， 避免了繁琐的路径设置。