车辆检测与跟踪

应用背景 自从微软发布了kinect for windows sdkv2.0以来，开发者们就利用此外设优越 特性来进行手势识别，尤其是此更新版本加强了对骨骼进行追踪的特性。 关键技术用于kinect 的手势识别程序。一个不错的例子，易于上手-this source code is based on the IR camera kinect, and also hand gesture reconiztion theory is applied .

这是基于opencv的人脸检测的源码，主要用于检测人脸并进行识别。程序主要通过从本地读取一个bmp格式的文件，然后对文件进行解析，进而进行识别，在算法实现上主要用了光线补偿、图像灰度化、高斯平滑、图像对比度增强和均衡直方图等方法。

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，

Snake模型称为动态轮廓模型（Active Contour  Model）是Kass与1987年提出的，它对于在噪声和对比度不敏感，能将目标从复杂背景中分割出来，并能有效的跟踪目标的形变和非刚体的复杂运动而被广泛用于图像分割和物体跟踪等图像处理领域。Snake主要原理是先提供待分割图像的一个初始轮廓的位置，并对其定义个能量函数，是轮廓沿能量降低的方向靠近。当能量函数达到最小的时候，提供的初始轮廓收敛到图形中目标的真实轮廓。Snake能量函数是有内部能量函数和外部能量函数组成，内部能量控制轮廓的平滑性和连续性，外部能量由图像能量和约束能量组成，控制轮廓向着实际轮廓收敛，其中约束能量可根据具体的对象形态定义，使得snake具有很大的灵活性。Snake模型发展10多年来，许多学者对于经典的snake模型做了改进，提出各种改进的snake模型，其中梯度矢量流（Gradient Vector  Flow,GVF）模型扩大了经典snake的外力作用范围，加强了对目标凹轮廓边缘的吸引力，提高了传统的snake模型。文件中包含snake数学模型介绍的论文以及实现算法的代码，对学习该算法的科研人员会有帮助

能很好的实现人脸检测，其中包括基于adaboost实现人脸检测matlab代码。还有基于新色彩空间肤色分割的代码。综合起来就是基于肤色分割的adaboost人脸检测算法的改进

与PCA算法降维。我们有一些照片，希望应用PCA算法他们减少维度。这是一个关于模式识别问题。

VB 脸部图像特征对比识别技术用vb对图像处理，但速度比不上c++

应用背景帧差法是背景减图法中的一种，只不过是帧差法不需要建模，因为它的背景模型就是上一帧的图，所以速度非常快，另外帧差法对缓慢变换的光照不是很敏感，所以其用途还是有的，有不少学者对其做出了出色的改进。关键技术 连通域处理函数各参数说明： 参数mask_process:        表示的是需要进行连通域处理二值图像。 参数poly1_hull0:        表示轮廓边缘是否采用多边形拟合,如果该参数为1，则表示采用多边形拟合，否则采用凸包拟合。 参数perimScale:        是用来将那些小的轮廓去掉，那些小的轮廓时指它的周长小于(mask长+宽)/perimScale。当然你在其内部代码也可以该为面积来判断。 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

其他格式转ETC，就是一个包装代码，调用别人实现的工具来完成我的工作。使用nodejs语言，可以作为nodejs的学习使用

待纠正的影像和参考影像，通过获取同名点坐标，解算多项式纠正系数。然后通过多项式纠正带畸变的影像，得到无几何畸变的影像。the program designs for rectifying the image with reference image