人脸检测，基于opencv2.3和vs2010

光流是一种简单实用的图像运动的表达方式，通常定义为一个图像序列中的图像亮度模式的表观运动，即空间物体表面上的点的运动速度在视觉传感器的成像平面上的表达。这种定义认为光流只表示一种几何变化。1998年Negahdaripour将光流重新定义为动态图像的几何变化和辐射度变化的全面表示。光流的研究是利用图像序列中的像素强度数据的时域变化和相关性来确定各自像素位置的"运动"，即研究图像灰度在时间上的变化与景象中物体结构及其运动的关系。一般情况下，光流由相机运动、场景中目标运动或两者的共同运动产生的相对运动引起的。光流计算方法大致可分为三类:基于匹配的方法、频域的方法和梯度的方法。 (1) 基于匹配的光流计算方法包括基于特征和基于区域两种。基于特征的方法不断地对目标主要特征进行定位和跟踪，对大目标的运动和亮度变化具有鲁棒性。存在的问题是光流通常很稀疏，而且

说明：  cuda orb 及 surf 优化测试 代码及测试报告文档 数据(cuda orb optimization code for testing)

使用OPENCV实现的Tamura纹理特征，基于灰度共生矩阵的纹理特征(Use the OPENCV to achieve Tamura texture features based on GLCM texture features)

opencv中MatIplImage等常见数据类型转换整理

opencv210版本下vc++程序，读取一帧图中多个目标的位置并将位置信息保存下来 code using opencv210 via vc++，crop multiple targets and save its positions from one frame(code using opencv210 via vc++，crop multiple targets and save its positions from one frame)

基于opencv的运动目标轮廓检测，用MFC编写的界面，实现视频在对话框指定位置的显示，有详细注释，适合初学者。(Moving target based on the contour detection opencv prepared with MFC interface, video display dialog box to specify the location, detailed notes for beginners.)

卡尔曼滤波（Kalman filtering）一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。 斯坦利·施密特(Stanley Schmidt)首次实现了卡尔曼滤波器。卡尔曼在NASA埃姆斯研究中心访问时，发现他的方法对于解决阿波罗计划的轨道预测很有用，后来阿波罗飞船的导航电脑使用了这种滤波器。 关于这种滤波器的论文由Swerling (1958), Kalman (1960)与 Kalman and Bucy (1961)发表。 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 打分 发表评论 暂无评论

运用python编程，进行图像处理，捕捉运动中的物体，(The object that captures the movement,)

学习图像处理的入门教程代码，有清晰的注视，详细的代码，值得刚入门学习图像处理OPENCV的同学下载下来学习。里面还有各种机器学习算法的简介，可以学习了解下。

Moravec角点检测算法将角点定义为具有低“自相关性”的点。算法会检测图像的每一个像素，将像素周边的一个邻域作为一个patch，并检测这个patch和周围其他patch的相关性。(Moravec corner detection algorithm to corner points defined as having a low "autocorrelation" point. Algorithm detects images of each pixel, the pixel as a neighborhood around a patch, and detects the patch and the patch around the other correlation.)