OPENCV目标跟踪_在VS2008平台上基于opencv编写的运动目标检测与跟踪的程序_运动目标检测_运动目标跟踪_VC++

基于opencv的C++车牌识别，简单的识别系统。。。。。。。。。。。。

指静脉提取与匹配 掌静脉提取与匹配 其他静脉提取与匹配

1.仅使用opencv库进行功能实现 2.使用opencv中createBackgroundSubtractorMOG2()运动物体背景分割，及后续目标检测 3.代码中实现了对车辆的检测和跟踪 4.代码计算量小，可实现实时跟踪 5.可对感兴趣区域（ROI）进行单独检测和跟踪 6.代码关键步骤进行了备注

工程性文件，全干货

基于opencv的移动侦测。可以直接调取网络摄像头或者本地视频或者本地摄像头

前言: 开源的opencv真是一件伟大的产品，那么多个函数跟变量（具体多少还没数过）。要是结合起来综合运用几乎可以胜任任何有关图像识别和处理方面的工作。如果能更深入一点根据具体需要修改或优化里面的源码那更是如虎添翼。 花了点时间浏览了www.opencv.org.cn论坛里的所有贴子，还好不多才200多页。总体上对opencv里的一些常用函数功能作用大致有点了解，筛选一些跟元件识别有关的运用内容，但它论坛里的贴子回复的内容点到即止的居多。从网上下载了能搜到的教程跟代码全学习了解测试了一下，图像处理流程通常先开始都是要进行滤波，除燥，灰度，二值化后再轮廓识别等。 开始动手 经过多次好多次运行测试组合，终于有一次显示出意外的惊人效果，而且相当简单只是调用了几个函数而以，就可以有这样效果实在出人意料。第一个是进行元件中心点获取，也是直接调用函数再加点东西就可以得出元件的四个矩形顶点坐标，有这几个坐标就可以直接算出元件中间点所在的坐标了。如果要检测元件摆放角度是否是垂直90度，只要判断边宽的长度为最小或最大时就是垂直90度。 但这个矩形框无法测出元件具体角度。如截图: 测试视频地址:https://v.youku.com/v_show/id_XMjU5NzY5NTI0.html 不过，还有另外一个函数可以提供这个功能，调用后可以直接求出最小外接矩形和角度 如截图: 测试视频地址:https://v.youku.com/v_show/id_XMjYwMDMzMDc2.html 说明:里面的光源不行，临时用手电筒，和在光盘上插几个LED做环形灯做照明，无法做到无阴影显示。如果光源做的好，效果应该是非常精确稳定。 识别包含下面2种做法: opencv里需要的头文件跟库文件都已编译好放在和设置在当前程序目录下，就可不用安装opencv 也能直接编译。

基于OpenCV的车牌识别源码+车牌图像处理源码，比较简单的源码，可以稍微了解下，大神就不用参考了。

SIFT，python源码实现及基于opencv实现

实时人脸识别，可以使用网络摄像头、视频或图像对情绪进行分类。 软件通过视频或网络摄像头识别人脸及其相应的情绪。由OpenCV、Dlib、人脸识别和深度学习提供支持。 python 依赖关系 Opencv Cmake Dlib 人脸识别 用法 测试文件夹包含提供给模型的视频及图像。 “图像”文件夹仅包含用于执行人脸识别的人脸图像。 模型包含预先训练的情感分类器模型。 emotion.py 对人的面部情绪进行分类。 face-rec-emotion.py一次识别人脸并对情绪进行分类。 face_recognition library使用FaceNet实现进行人脸识别。