camshift 源码

MATLAB图像处理实例详解教学（杨丹 赵海滨）  源代码  带有所有的试例图片

应用背景粒子群算法工具箱 该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。关键技术与遗传算法相比，PSO仅需要调整少数几个参数即可实现函数的优化。该算法对待优化函数没有任何特别的要求(如可微分、时间连续等)，因而其通用性极强，对多变量、高度非线性、不连续及不可微的情况更加具有其优势。 该工具箱的使用主要分为几个步骤： 1) 在Matlab中设置工具箱的路径； 2) 定义待优化函数； 3) 调用PSO算法的核心函数：pso_Trelea_vectorized()。 其中第三步最关键，用户需要根据自己的需要设置好参数，可使算法极快收敛。

资源描述 利用3层神经网络使用 LBP的特征进行行人检测的识别，里面已经包括行人检测的训练数据集。 开发环境VS2013 opencv3.0

使用VS2010，opencv2.3版本，进行Lucas_kanade金字塔仿真，其中调用Opencv库函数cvCalcOpticalFlowPyrLK，获得第二帧图像的光流点，

VC6.0实现读写R12版本dxf文件并显示，读写过程中能将圆弧替换为直线，并基本保证原有形状！

SVM支持向量机，实现SVM原理，用来分类的程序，此程序功能是对测试样本进行预测，属于图像处理image processing中的分类classification问题。

资源描述用专业的图像处理软件opencv对图像进行chog特征提取

BC6HBC7 编码器解码器示例更新

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。该实验从视频中检测出人手并定位手的区域。

两张图片的渐变，使用openCV和C++实现，可以设置参数改变渐变图片的数量