行人检测的代码 HOG+SVM使用了Klaman 滤波预测行人轨迹

我们建议是不特定的盲人没有参考 NR） 视频质量评价模型。该方法依赖于离散余弦变换域中的视频场景时空模型和特征类型的运动发生在幕后，视频质量预测模型。我们使用的模型来定义录像统计和感知功能，视频质量评估 （VQA） 算法，不需要在原始的视频，要预测一个感性的质量分数进行比较的基础。本文的贡献有三方面。1） 我们建议时空的自然场景 （NSS） 统计模型的视频。2） 我们建议量化运动相干视频场景中的运动模型。3） 我们表明拟议的 NSS 和运动一致性模型是适合的视频质量评估，我们利用它们来设计了一种盲目的 VQA 算法与人类判断质量的高度关联。提出的算法，称为视频 BLIINDS 测试住 VQA 数据库和洛桑 PoliMi 视频数据库和显示执行接近水平的顶尖表演减少和完整引用 VQA 算法。

基于opencv的人脸表情识别，采用的是svm分类方法。SVM的思想可以概括为两点它是针对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而 使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能；

此源码能够对图像进行多种处理：边缘检测，点处理，灰度拉伸，图像增强，harris角点检测等。有candy，sobel，robert等算子的算法实现，有很多注释，特别适合初学者学习

应用背景输入图像和对应的矩阵可以使自己的图像处理工具：模糊，边缘检测关键技术该关键技术是你计算它的基础上的过滤器矩阵；

摄像机标定程序，opencv的摄像机标定，适应性广，可以用于广角摄像机的标定，标定时标定板的选择对于最终的标定结果影响较大，标定板角度应该与摄像机镜头有一定角度，方能保证标定结果的准确性。

这一个简单的项目,需要一个视频路径和计算场景的视频。场景是基于连续两帧之间的运动可由用户阈值。场景类也可以扮演幕后,返回现场最高的帧数,返回现场与最低数量的帧和/或通过id获取场景。该项目使用opencv的运动估计计算两帧之间的运动。幕后存储在两个向量。一个向量未分类的场景,另一个拥有场景以升序排序基于它们所包含的的帧数。

资源描述本课程一共六章：绪论及数字图像基础；第二章：信号处理基础；第三章：图像变换；第四章：图像增强；第五章：图像分割；第六章：图像特征提取与识别。并附有平时作业、练习代码和程序，初学者学完这门课，可以很容易的入门，对图像处理最基本的几方面理论对有所掌握，那么对后面深入学习来说也会容易很多。

在此基本瓮模型中概率理论骨灰瓮包含x白和 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

VC++图像处理代码，包含各种操作，图像增强，图像匹配等等

代码是c++，调用opencv的库函数，基于opencv的分类器，调用训练好的xml文件，用于摄像头人脸识别，先获取视频的每一帧，然后扫描整个图片，确定人脸位置