图片卡通化

基于opencv，利用卡尔曼滤波实现了单目标的跟踪

这是elm极限学习机的c++版本，与官网提供的c++版本不同，是完全基于c++版本的一套代码，不需要和matlab混编，相关的学习资料可参考官网或者csdn上部分博客的内容，相对简单

光流法是用于目标跟踪：对于一个连续的视频帧序列进行处理；针对每一个视频序列，利用一定 目标检测方法，检测可能出现的前景目标；如果某一帧出现了前景目标，找到其具有代表性的关键特征点；对之后的任意两个相邻视频而言，寻找上一帧中出现的关键特征点在当前帧中的最佳位置，从而得到前景目标在当前帧中的位置坐标；如此迭代进行，便可实现目标的跟踪。

基于OPENCV的手势识别，可以有效的识别出简单的手势,实验的环境为vs2013+Opencv2.4.9,有需要的同学可以自行下载修改，里面有详细的注释与实验的结果图。

图像特征提取新领域 快速提取区域 轮廓和特征角点 并实现快速实时性匹配图片特征

基于opencv的质心算法,对图片进行图像处理，将彩色图片转为灰度图像，二值阈值化处理，找出图片中目标，运用质心算法求出图像质心。

代码是在QT+OpenCV的环境下实现的，视频素材是一段车流视频，基本实现了目标的检测，以及目标的跟踪，跟踪是用画矩形框体现的。代码是自己在学习opencv的过程中写的，希望对大家有帮助。

基于车载摄像头行人检测跟踪，首先提取hog特征，然后用svm进行分类 最后卡尔曼滤波跟踪上行人，用框框选出行人。

  SURF角点检测算法是对SIFT的一种改进，主要体现在速度上，效率更高。它和SIFT的主要区别是图像多尺度空间的构建方法不同。在计算视觉领域，尺度空间被象征性的表述为一个图像金字塔，向下降采样一般用高斯金字塔。其中，输入图像函数反复与高斯函数的核卷积并反复对其进行二次抽样，这种方法主要用于SIFT算法的实现，但每层图像依赖于原图像（当前尺度可能和原图象尺度相差很大，这时候再那原图像卷积确实有点二了），并且图像需要重设尺寸，因此，这种计算方法运算量较大。SURF算法对积分图像进行操作，卷积只和前一幅图像有关，其降采样的方法是申请增加图像核的尺寸，这也是SIFT算法与SURF算法在使用金字塔原理方面的不同。SURF算法允许尺度空间多层图像同时被处理，不需对图像进行二次抽样，从而提高算法性能。

基于OPenCv的人脸识别源码 可以运行的，希望有这方面学习爱好的可以看看 C#代码简单清晰