QR码阅读器

一维条形码识别系统基于VC6.0，对输入的条形码图像进行预处理，进一步识别，是目前基于条形码进行货物扫描识别的关键。内含识别图片。

利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理, 程序能够运行出正确的结果，希望对各位有帮助。

人脸检测是一种确定的位置和大小的数字图像中人脸的计算机技术。它检测的脸并忽略任何其他，如建筑物、 树木和机构。人脸检测可以视为更一般的情况下的人脸定位。在人脸定位，任务是找到的位置和大小的面 （通常为一) 已知数。在人脸检测，脸上是处理和按位与底层的人脸图像数据库中匹配。任何微小的变化，在面部表情，例如微笑，嘴唇运动，将不匹配的脸。 人脸检测可以视为对象类检测的具体案例。在对象类检测中，任务是找到的位置和大小的所有对象都属于一个给定类的图像。例子包括上部躯干、 行人和汽车。 人脸检测算法专注于正面人脸的检测。它是类似于图像检测

一种新的数字图像水印方法

应用背景作为一个涉及计算机视觉、图像处理、智能控制等多门学科的研究前沿,智能视频监控技术已经成为国内外计算机视觉研宄领域热点问题之一,它的研究有着非常重要的科学意义和极其广阔的应用前景。运动目标的检测与跟踪作为智能视频监控最关键技术之一,其待解决问题的挑战性和技术复杂性吸引着、鼓励着众多计算机视觉研宄人员投入该科研行列。 关键技术本程序是基于visual c++利用模式识别技术实现场景中运动目标的分析，包括目标检测和跟踪两个过程。其中目标检测采用了帧差法，目标跟踪采用了Mean Shift法。本程序是数字图像模式识别技术详解这本书第十二章运动图像分析的程序。在visual c++6.0上就能实现。

2001年，Adaboost算法首次应用到了人脸检测应用上，并得到了很好的效果，在人脸检测方面取得了巨大的成就：1）首次采用Haar特征来对人脸图像的灰度分布情况进行描述，由于Harr特征的简单有效性，提高了检测速度；2）挑选出一些具有样本能力的Haar特征的组合来构成强分类器；3）采用由粗到精的思路来构造级联人脸检测器，先用强分类器把图片中大多数的背景和无关区域滤除，再增强分类器的复杂度，继续滤掉剩余的无关区域，最后剩下的就是人脸区域，该种方法达到了提高了人脸检测速度的目的。本资源位Adaboost人脸检测的具体实现。

这个小程序，跟踪它的颜色的对象。它获取框架源从网络摄像头，然后，它跟踪对象。它使用 （开源） openCV 库。它将作为图像处理初学者很有用。

VC++6.0MFC制作的画图程序 带有保存功能，可以改变画笔样式，颜色与粗细，支持滚动，保存，撤销功能，为MFC SDI，使用GDI

一个实时监控源代码，VB编写的，对有做实时监控的人来说非常实用！希望对大家有 用！

应用背景人脸检测算法的可靠性很大程度上依赖于分类器的设计，在2001年，Viola和Jones两位大牛发表了经典的《Rapid Object Detection using a Boosted Cascade of Simple Features》和《Robust Real-Time Face Detection》，在AdaBoost算法的基础上，使用Haar-like小波特征和积分图方法进行人脸检测，他俩不是最早使用提出小波特征的，但是他们设计了针对人脸检测更有效的特征，并对AdaBoost训练出的强分类器进行级联。关键技术 人脸检测从整体来看分为四个部分： 1、Face detection 人脸识别，即识别出这是人的脸，而不管他是谁的。 2、Face preprocessing 面部预处理，即提取出脸部图像。 3、Collect and learn faces 脸部的特征采集和学习 4、Face recognition 脸部识别，找出最相近的相近脸部图像。