本代码是基于fdf特征和颜色特征的视频运动目标跟踪，采用粒子滤波框架，根据环境变化自适应融合这两种特征，实现运动目标的跟踪，压缩包里面包含一段红外测试视频，也可以换成普通的可见光视频，代码包含详细的注释和说明，可以根据自己的需要换成其他特征以及更多特征的融合，跟踪效果非常好，可以适应各种复杂的场景。

基于纹理特征融合的人脸表情识别.pdf

针对传统话题检测方法在微博短文本上存在高维稀疏的缺陷，提出了一种基于特征融合的K-means微博话题发现模型。为了更好地表达微博话题的语义信息，使用在句子中共现的词对向量模型（Biterm_VSM）代替传统的向量空间模型（Vector Space Model，VSM），并结合主题模型（Latent Dirichlet Allocation，LDA）挖掘出微博短文本中的潜在语义，把两个模型得到的特征进行特征融合，并应用K-means聚类算法进行话题的发现。实验结果表明，与传统的话题检测方法相比，该模型的调整兰德系数（Adjusted Rand index，ARI）为0.80，比传统的话题检测方法提高了3%~6%。

上传内容主要为基于matlab版本的非下采样conturlet变换的图像融合函数库，可用于图像特征滤波和融合等功能实现。

基于FisherVoice的说话人短说话人识别特征融合方法

为了进一步提高词袋模型在人脸识别中的性能, 提出一种融和多种特征所建立的词袋模进行人脸识别的算法.

针对计算机视觉中目标跟踪的问题,提出基于卷积神经网络(CNN)提取深度特征并与边缘特征进行自适应融合的策略来实现视频目标的跟踪算法。卷积神经网络的低层网络可以获取目标的一部分空间结构、形状等特征;高层网络可以获得相对比较抽象的部分语义信息。将VGG16神经网络中第2个卷积层Conv1-2、第4个卷积层Conv2-2和最后一个卷积层Conv5-3提取的深度特征与边缘特征进行特征的自适应融合来实现视频目标跟踪。在OTB100数据集中对本文算法进行实验验证与分析,结果表明,本文算法能够对目标实现更加准确的定位。

提出一种二维分数阶傅里叶域(2D-FrFT)多阶次特征融合分类算法.该方法充分利用分数阶傅里叶域不同阶次下表情特征之间的相关性,选取两个阶次的表情特征,利用典型相关分析法(Canonical Correlation Analysis,CCA)进行特征融合,并通过基于支持向量机(Support Vector Machine,SVM)的多层次分类机制进行人脸表情识别.仿真实验结果表明,采用多阶次特征融合算法后提高了平均识别率,降低了表情特征维数,减小了计算量.

分层和多特征融合，可在各种情况下有效地进行步态识别

多特征融合的尺度自适应 KCF人脸跟踪