opencv 用haar分类器对视频进行人脸检测

本文采用camshift和kalman.的算法 ，可以实现单目标的跟踪。需要采用鼠标选取跟踪区域，希望对大家有一定的帮助

Um 方案 com UMA Região de INTERESSE Definida Localidade： Não 唱法迪雷托不如法瑟 Vídeo-implementação 乌玛洛杉矶 + + com OpenCV 2.1 c。

应用背景 duiib是没有句柄的，但是halcon得的open_window函数需要一个句柄才能绑定一个窗口， 此源码用win32代码新建一个Win32的STATIC，将STATIC控件贴在duilib的窗口上，然后可以想MFC那样操作了 关键技术 将halcon运用在没有句柄的duilib窗口上

这个程序是使用分水岭进行图像分割的代码 。主要介绍 把直接进行分水岭图像分割和进行处理以后的分水岭的对比。

基于肤色模型的手势分割检测，人手检测根据肤色模型检测人的手所在位置,并根据模板判断手势。-Detection of manpower under the color model to detect the location of the hand. And in accordance with the template to determine gesture.

本文作者开创了多目标协同分割算法在现有的数据集中分割效果良好，用途很广泛。文的优点在于：由于标号增长的准确性在图形转换半监督学习框架中主要依赖于图形节点的相似性有多可靠，在Gunhee Kim ，Eric P. Xing[9]等人提出的多前景协同分割中节点代表着图像区域，它们的相似性既不是很容易区别又不是特别的稳定，尤其是不同图片中相同物体很大的外观差别，分割成属于不同物体的相似性有可能大于分割成相同的物体。这样本文提出结合全局连通约束图形转换半监督学习框架。每个约束项能够看成是一个线性不等式，基于此，我们开创了切平面算法，它能够解决线性不等式约束项和标号增长的凸一元二次方程之间的迭代，寻找最大违反约束项。

管线管理界面，实现管线的地上地下管理，管线管理界面，实现管线的地上地下管理，管线管理界面，实现管线的地上地下管理，管线管理界面，实现管线的地上地下管理，管线管理界面，实现管线的地上地下管理，管线管理界面，实现管线的地上地下管理，管线管理界面，实现管线的地上地下管理，管线管理界面，实现管线的地上地下管理，管线管理界面，实现管线的地上地下管理，管线管理界面，实现管线的地上地下管理，管线管理界面，实现管线的地上地下管理，

虹膜识别的完整程序，有图片，有说明，可以用。

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。

本代码以class的形式，编写C++程序。结合Kinect v2.0+ VS2012+openCV2.4.9，将Kinect v2.0彩色帧存到openCV2.4.9类型的图像函数格式（Mat image）中，并将获取的kinect v2.0彩色图像输出到文件夹里保存.这里涉及到Kinect v2.0的打开，color数据的获取，以及与openCV2.4.9相结合的数据格式，还有使用sprintf_s函数将图像保存到指定的文件夹下。