基于显著性分析的立体图像视觉舒适度预测

目标跟踪与计数，可参考，可训练自己的数据集

【MATLAB教程案例45】基于双目视觉的图像深度信息提取算法matlab仿真的测试图片样本

双目视觉StereoBM算法OpenCV源代码注释

这里总结做了一个比较简单的一个直方图均衡化的程序。根据直方图的灰度值的不同可以看出明显的画面灰度对比，通过改变均衡化值的范围，可以很清楚的知道某个范围下的直方图灰度值图像。

在当前人眼视觉系统（HVS）特性研究的基础上提出基于梯度及HVS特性的离焦模糊图像质量评价模型（GVSSIM）。该模型利用Sobel边缘梯度算子提取图像的梯度信息，并根据人眼视觉特性进行视觉加权，得到新的结构相似性评价指标，进而获得图像质量评价指标。该方法与SSIM(图像结构相似度)评价模型相比，具有计算简单的特点，对离焦模糊图像的评价结果能更好地反映人眼视觉感受。

基于视觉的室内场景定位与建图（VSLAM）在智能设备自主定位与导航领域内扮演着极为重要的作用，但是当前主流算法的回环检测及重定位环节上在动态光照情况下存在匹配丢失，严重影响定位累计误差的修正与建图精度。因此提出了基于一种改进的点云特征提取与匹配的定位方法，将由RGB图像得到的点云通过聚类的方法分割成一个个稳定区域，并建立基于面片特性及相互空间关系的场景特征描述，最后通过该特征描述进行两帧图像的数据关联及相机的定位，利用更具有鲁棒性的区域特征提取方法克服光照变化情况下的视觉定位不足问题。实验证明提出的方法不仅可以适应动态光照环境，而且定位效果优于目前主流的基于图像点特征的定位算法。

opencv3实现人脸识别项目。OpenCV官方人脸数据，40个人脸数据，每个人10张照片。 共40个人的正脸，每个人作为一类放在一个文件中，每个文件夹包含10张人脸数据，格式是pgm的，尺寸为92X112。

目前，基于深度学习的目标检测方法主要有两大分支，分别是基于区域提取的两阶段目标检测模型和直接进行位置回归的一阶段目标检测模型。 故本项目通过采用深度学习方法实现对吸烟行为的目标检测，使用python语言搭建YOLO算法实现对吸烟行为的实时监测。 YOLO算法将整幅图像分为了多个网格单元，对每个网格中心目标进行检测，该算法不用生成候选区域，在一个卷积网络中就可以完成特征提取、分类回归等任务，检测过程得到了简化，检测速度也变得更快，但该算法对于小尺度目标的检测不够准确，如果图像中存在重叠遮挡等现象就可能出现遗漏。

python版opencv的函数库，包含所有的函数。中文翻译版本，toturial教程，官方手册，大牛精心翻译，自学必备.