jpeg编码C语言实现

完美运行meanshift和camshift物体跟踪，实时显示色度直方图，鼠标标记，跟踪该物体

应用背景 视频捕捉的对象中，背景通常保持不变。一般分析中关注移动的前景物体，威力提取出前景物体，需要建立背景的模型，将模型和当前帧进行比对检测前景物体。前景提取应用非常广泛，特别是在智能监控领域中。 关键技术 具体的实现过程主要分为两部分：一部分是调用absdiff函数找出当前图片和背景图片的区别，这之中使用了threshold函数去除为前景，当前图片像素与背景图片像素变化超过一定阈值的时候才认定其为前景；另一个工作是更新背景图片，调用函数accumulateWeighted，根据权重参数可以调整背景更新的速度，将当前图片更新到背景中，这里巧妙利用得到的前景提取结果作为mask，在更新背景图片的过程中避免了前景的干扰。

《MATLAB智能算法30个案例》教程对应的代码文件，对于初学智能计算的人员很有用，30个案例稍微改动就可用到其他程序中

应用背景vs2010+opencv2.4.8,这个是测人脸识别代码的准确率的，具体人脸识别的方法在我上传的另外一个代码里面。里面也有两个cpp,testLBPHaccuracy.cpp测得是LBP方法的准确率，testLBPloadAccuracy.cpp则更为精简，测得是直接下载分类器用于测试的准确率，理论上说两个应该一样。关键技术可以修改createLBPHFaceRecognizer()此函数的参数例如改默认参数为 (1,8,4,4,DBL_MAX)和修改训练图片的张数（即修改at.txt文件）再分别测它们的准确率和时间。里面附有我测的各种变化的准确率和时间（包括在vs上跑的时间和板子上跑的时间）大家可以参考一下，从内存，时间，准确率选择最适合的参数。

采用多个结构元素对图像进行开、闭、腐蚀、膨胀等操作，并进行了高帽变换、提取边界线、获取梯度、开重建等操作。

资源描述自己在网上找的关于一些PCL常用的功能代码，函数，感觉挺有用的，特来分享给大家。具体有void compute_surface_normals，void visualize_normals，void visualize_pointcloud等函数可以直接拿来用

这个职位的目的是提供简要概述了如何使用纹理信息，利用 Matlab 的图像分类。基本上，我们想要做的是从一组标记描述纹理的图像纹理分类器的学习。然后，我们将使用的学习分类器提供类标签标记的图像。（从网站：http://www.alceufc.com/2013/09/texture-classification.html)

根据场景中的静态图像或视频，利用给定的人脸数据库信息，鉴别或确认该场景中的一位或多位人的身份的过程。

应用背景要求：Matlab，Matlab图像处理工具箱。在图像压缩和特征提取中，线性扩展的标准使用。这是最近提出的李和承：一个正或非负线性扩展是一个非常强大的约束，这似乎导致图像的稀疏表示。他们的技术，被称为非负矩阵分解（NMF），被证明是一个高维数据中的有用技术由非负性成分组成。关键技术关键词：MATLAB源代码，，，NMF，图像，压缩，非负矩阵分解。1发布日期2014.10.27主要特点：NMF的图像压缩详细数据压缩信息灰度和RGB图像的支持快速优化实现演示代码（保护p-files）可用绩效评价

视频序列中运动物体的检测，非常灵敏，值得一看！利用的是帧间差的方法，测试了几段视频，效果真的不错，实时性很强。