人头分类器训练数据

opencv2.4.9+VS2010，使用帧间差分法或背景差分法检测出运动目标，对不同的连通区域做标记，并得出每个连通区域的直方图，通过直方图比较来跟踪特定目标，也可以用在车流量统计，参数可调，算法简单，耗时小，具有一定的可行性，目前对多个连通区域的直方图统计模块还未做好，希望同志们一起来交流学习。

四叉树可以根据它们所代表的数据，包括区域，点，线和曲线的类型进行分类。四叉树也可分类树的形状是否是顺序数据被处理独立的。

此代码包括用于从输入图像中检测面部区域，以及定位眼睛，鼻子和嘴巴的部分的方法。然后各部分都标有导致输出图像上的矩形显示。这是为那些谁想要检测脸不同部分，使用输入正面图像进行特征提取特别有用。

功能介绍：    要将中文信息生成为二维码，使用了有源码的QRCode，但它默认不支持中文，在网上找到的办法，一般都是这样的：修改库QRCodeLib中的类QRCodeEncoder.cs 将public virtual Bitmap Encode(String content)里面的 return Encode(content, Encoding.Unicode); 修改为 return Encode(content, Encoding.GetEncoding("gb2312"));这样生成后，一部解码软件是可以解码的，但是像360的安全二维码就不行，我猜测它是使用了UTF-8来解码的。 因为中文编码有UTF-8和gb2312两种，于是上面的代码改为return Encode(content, Encoding.GetEncoding("UTF-8"));这样就比较完美了，360安全二维码能够识别了，其它软件也能识别了。

 1.将当前路径调整为“ex003”，在“ex003皮肤素材”文件夹里有13幅包含人体的彩色图像，试任取若干幅图像采集皮肤作为皮肤库，保存在“皮肤库.bmp”中；2. 运行“GetHSVThresh.m 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

动态物体处于一个已知位置信息，然后开始移动，基于相机传感器采集的信息，物体可以进行实时动态定位。该算法是基于粒子滤波的原理实现的，可以在框架基础上进行扩展。

图像处理中用到的非常多的Gabor变换提取图像纹理特征的源代码，纹理特征是掌纹中最重要的形态特征，而且掌纹特征中的主要纹线形成是与生俱来的，具有唯一性和确定性，基本上不发生改变，同时在低质量和低分辨率的图像中，我们仍能够清晰地辨认出掌纹的形态特征。

资源描述 代码是通过MFC+HALCON10.0的库来实现的， 思路是自己写的，底层代码用halcon实现。  利用halcon的模板学习功能来判断元器件的正反，使用的是形状匹配的原理。 同时通过颜色统计的方式来判断元器件上的脏污和是否混料。

demo_permutation - 演示中的图像的层叠柱版本和使用修补基置换重新排序它的结果之间“平滑度”的差异。我们比较使用移动积所获得的两个一维信号的平滑性。我们还说明了如何通过贴剂的路径看起来当其重排序是通过图像的光栅扫描和补丁基于置换定义等。 demo_inpainting - 图像使用在重新排序的补丁基地排列，然后将丢失的像素是使用立方插值重建图像修复实验。demo_denoising - 图像去噪实验中使用的图像中重新排序的补丁基地排列，然后用学到的过滤器过滤。

所谓粒子滤波就是指：通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被形象的称为“粒子”，故而叫粒子滤波。