u014430651的博客

原文来自：http://blog.youkuaiyun.com/thefutureisour/article/details/7530344—————————————以下为原文———————————————这次通过一个读取视频的综合例子来介绍VideoCapture类的一些基本操作：#include #include #include #include using

原文地址：点击打开链接本文主要记录自己在学习稀疏表示在人脸识别中的应用所遇到的问题作一简单的总结。1.  问题背景        信号的稀疏表示并不是新的东西。我们很早就一直在利用这一特性。例如，最简单的JPEG图像压缩算法。原始的图像信号经过DCT变换之后，只有极少数元素是非零的，而大部分元素都等于零或者说接近于零。这就是信号的稀疏性。        任何

唯一持续维护地址：http://guoming.me/face-recognition-with-opencv/更新2013-6-27 停止人脸识别的研究，具体人脸识别系统可以参见文章《使用Kinect进行人脸识别》《Kinect人脸识别系统---开发历程》。2013-5-17 在15号程序上，添加图像显示效果，具体效果参见截图。2013-5-15 添加了新的代码，

说明：一共有三个m文件，一个是lbp.m, 存放主要的lbp算法，一个是getmapping,用以做算法的辅助函数，一个是lbptest.m,存放着测试代码。这三个文件需要放到同一个文件夹，并在文件夹中添加相应的图片，具体的图片名字见lbptest.m的代码，运行lbptest.m可以查看结果。代码最后给出效果图lbp.m文件%LBP returns the local binary pa

在网上看了许多关于OpenCV启动摄像头的资料，但是，都是基于C语言的，代码又臭又长，（其实主要是因为我学的OpenCV就是用C++的，C语言的基本数据结构不太熟悉），所以一直想找一个用C++写的程序，最后让我在OpenCV自带的英文参考手册上找见了，整个代码30行都不到！nice啊！我对代码做了一点修改，发上来吧！[cpp] view plaincopy

OpenCV 获取摄像头，新建窗口显示摄像头视频结合Leaning OpenCV 第二个例子 显示一个视屏文件  写了一下 获取摄像头的代码为并且创建窗口显示的代码为：[cpp] view plaincopy#include "stdafx.h"    #include   #include   #include   

原文地址：http://blog.youkuaiyun.com/xidianzhimeng/article/details/40085537由于在做人脸检测的项目，用到了OpenCV的训练结果中的老分类器，因此将旧分类器的检测方法进行了总结，加上了一些自己的理解，并转载了一些较好的文章记录下来。文章http://www.61ic.com/Article/DaVinc

原文地址：http://blog.youkuaiyun.com/nongfu_spring/article/details/38977555//使用样例，其中_cascade为CvHaarClassifierCascade结构，//cascade为CvHidHaarClassifierCascade结构for( i = 0; i _cascade->count; i++ ){

原文地址：http://blog.youkuaiyun.com/xiaoshengforever/article/details/129935531.算法简介　　LBP是一种简单，有效的纹理分类的特征提取算法。LBP算子是由Ojala等人于1996年提出的，主要的论文是"Multiresolution gray-scale and rotation invariant texture cl

与第一篇博文特征脸方法不同，LBP（Local Binary Patterns，局部二值模式）是提取局部特征作为判别依据的。LBP方法显著的优点是对光照不敏感，但是依然没有解决姿态和表情的问题。不过相比于特征脸方法，LBP的识别率已经有了很大的提升。在[1]的文章里，有些人脸库的识别率已经达到了98%+。1、LBP特征提取最初的LBP是定义在像素3x3邻域内的，以邻

目标检测的图像特征提取之（二）LBP特征         LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen, 和D. Harwood 在1994年提出，用于纹理特征提取。而且，提取的特征是图像的局部的纹理特征； 

前面介绍了 数字图像灰度直方图，现在来尝试直方图的应用。直方图均衡化直方图均衡化（Histogram Equalization）是直方图最典型的应用，是图像点运算的一种。对于一幅输入图像，通过运算产生一幅输出图像，点运算是指输出图像的每个像素点的灰度值由输入像素点决定，即：直方图均衡化是通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同

直方图的均衡化我们先来看看原图的直方图我们发现高亮区域的像素点很少，主要像素点集中在中低亮度区域我们先设置一个阈值，也就是图中的那根粉色的线，当某一亮度值的像素点的个数低于这个值时，我们认为这些像素点是无关紧要的。灰度图的亮度值范围是0-255，若亮度值为1的像素点的个数低于阈值，我们可简单的把亮度为1的像素点的亮度全设为0，同理，我们从高往

转载地址：http://www.cnblogs.com/mengdd/archive/2012/08/01/2619043.html本文介绍最基本的用OpenCV实现人脸检测的方法。 一.人脸检测算法原理Viola-Jones人脸检测方法参考文献：Paul Viola, Michael J. Jones. Robust Real-Time Face Dete

原文  http://blog.youkuaiyun.com/masikkk/article/details/8952068       直方图就是对数据进行统计，将统计值组织到一系列事先定义好的 bin( 直方图中的柱子 ) 中。 bin 中的数值是从数据中计算出的特征的统计量，这些数据可以是诸如梯度、方向、色彩或任何其他特征。无论如何，直方图获得的是数据分布的统计图。灰度图像的直方

原文地址：http://blog.youkuaiyun.com/xiaoshengforever/article/details/13041753特征脸技术是近期发展起来的用于人脸或者一般性刚体识别以及其它涉及到人脸处理的一种方法。首先把一批人脸图像转换成一个特征向量集，称为“Eigenfaces”，即“特征脸”，它们是最初训练图像集的基本组件。识别的过程是把一副新的图像投影到特征脸子空间，并通过它的