肤色分割的人脸检测

能实现高密度人群的检测和人员的跟踪–基于背景差的运动目标检测、分割方法难以奏效 .利用Adaboost分类器在带状区域中检测行人头部 ，•柔性较好，针对不同的应用场景参数调整较少•实时性好，普通PC上实现30FPS的检测速度•统计准确率较高–密度低时能达到90%以上的准确率–密度高时能达到70%以上的准确率 

这是一个关于图像匹配的代码，有sift，surf的 特征检测 ， 特征提取等，有它们的具体实现算法，很值得研究，也比较适合初学者

WaveLab是Matlab函数的集合，作者和合作者使用这些函数来实现与小波分析相关的各种算法。部分可用技术列表：

目的是实时视频处理中识别出对象。使用示例 Grabber 滤波器来获得网络摄像头源的帧我成功将类似颜色的像素分组。 在另一个处理层，对象会通过表观速度和常数边界关联到这些组，这样就可以将不同颜色或图案的对象识别为同一个物体

DirectShow  监测视频图像显示  监测usb摄像头  输出到屏幕 DirectShow  监测视频图像显示  监测usb摄像头  输出到屏幕DirectShow  监测视频图像显示  监测usb摄像头  输出到屏幕DirectShow  监测视频图像显示  监测usb摄像头  输出到屏幕DirectShow  监测视频图像显示  监测usb摄像头  输出到屏幕

vc编的图像去雾程序，基于暗通道优先，在细化透射率分别使用中值滤波和双边滤波，代码简单，效率较高，去雾效果良好。

这个项目主要涉及人脸识别技术。面部由adruino电机上的摄像头检测，该电机在与代码接口时检测面部。代码是用C++编写的，使用OpenCV库。

双边滤波（Bilateral filter）是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折衷处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。具有简单、非迭代、局部的特点。  双边滤波器的好处是可以做边缘保存（edge preserving），一般过去用的维纳滤波或者高斯滤波去降噪，都会较明显地模糊边缘，对于高频细节的保护效果并不明显。双边滤波器顾名思义比高斯滤波多了一个高斯方差sigma－d，它是基于空间分布的高斯滤波函数，所以在边缘附近，离的较远的像素不会太多影响到边缘上的像素值，这样就保证了边缘附近像素值的保存。但是由于保存了过多的高频信息，对于彩色图像里的高频噪声，双边滤波器不能够干净的滤掉，只能够对于低频信息进行较好的滤波。    为了加速图像处理速度，本程序为多线程并行运行，加速效果显著。

采用多层前馈神经的脱机手写体字母字符识别系统网络中的文件中描述。一种新的方法，称为对角基于特征提取介绍用于提取手写字母的功能。第五数据集，每个包含26字母表写由不同的人，用于训练神经网络和570不同的手写体字母字符被用于测试。所提出的识别系统表现相当好得到更高水平的识别精度比采用常规的系统特征提取的水平和垂直的方法。此系统将是合适的，用于将手写的文档转换为文本的结构形式和手写识别的名字手写识别一直是最迷人的和具有挑战性的研究领域之一图像处理和模式识别在最近几年领域[1][2]。它有助于巨大到自动化进程的推进，并能改善之间的接口人与机器的大量应用。一些研究工作一直注重新的技术和方法，将减少处理时间，同时提供更高的识别精度[3]。在一般情况下，手写识别被分为两种类型的离线和在线手写识别方法。在离线识别，写入通常捕获的光通过一个扫描仪和完成写入可作为一个图像。但是，在上线系统的连续点的两维坐标被表示为的函数时间和由作家所作笔顺也可提供。上线的方法有被证明优于其离线对应于识别手写字符由于可用同前所述时间信息[4][5]。然而，在离线的系统中，神经网络已被成功使用，以产生比较高的识别精度等级。几个应用程序，包括邮件分拣，银行处理，文档阅读和邮政地址识别需要脱机手写体识别系统。其结果是，在离线手写识别仍然是一个活跃的研究领域向探索较新的技术，这将提高识别精度[6] [7]。

上世纪七十年代，隐马尔科夫模型就被用于语音识别的问题中，到八十年代，贝尔实验室的Rabiner等人成功地将隐马尔科夫模型应用于孤立词识别中，之后隐马尔科模型被应用于各个领域，到今，隐马尔科夫模型已被用于旋转机械的故障诊断中，的启停机过程的故障诊断。