VGG特征提取 从vgg19的最后一层提取特征。 其他可用网络（带Torchvision） 要求 Python3.6 参见requirements.txt 样本 pip3 install -r requirements.txt python3 extract_vgg_features.py

特征匹配 • 使用SIFT、Dense SIFT 和SURF 从图像中提取特征。 将这些特征应用于立体视觉匹配。 • 该项目是使用 WPF、C# 和 OpenCVSharp 的桌面应用程序。 • 该项目是南安普敦大学人工智能理学硕士“高级计算机视觉”课程的一部分。

VC++ 指纹识别系统的源代码，一个学士学位的毕业设计。 内容简介： 由于指纹所具有的唯一性和不变性，以及指纹识别技术具有很高的可行性和实用性，指纹识别成为目前最流行、最可靠的个人身份认证技术之一。 本论文对指纹图像基于小波变换的各种处理进行了分析、总结。图像处理包括基于小波变换的指纹图像滤波处理和基于小波的指纹图像增强处理。同时介绍指纹图像的预处理：目的是去除指纹图像中的噪音，将其转化为一幅清晰的点线图，便于提取正确的指纹特征。它分四步进行，即灰度滤波、二值化、二值去噪、细化。 本文针对基于点模式匹配的指纹匹配算法速度较慢的现状,设计了一种新的指纹匹配方法,即利用纹线匹配技术来寻找基准点对的指纹匹配算法.实验证明,该算法匹配速度很快,误识率低,准确性高,并具有图象旋转平移不变性.对面积适中的指纹图象,匹配结果可以满足在线应用的需要.该算法有望发展成为一种实用、有效的指纹匹配技术.

跨社交媒体的用户链接- 从用户个人资料和用户生成的内容中提取特征，并判断两个帐户是否属于社交媒体上的同一用户

iPLS提取特征，数据为高光谱数据，感兴趣区域数据，最后一列为标签

适用于双目测距，图像匹配，障碍物识别等。基于SIFT算法，快速匹配，得到各匹配点的偏移量，经过筛选后，精确度较高，因而也能得到物体与摄像头之间的距离。 匹配率很高。

一种算子提取指纹图像特征点的方法，可以借鉴一下

matlab的slam代码davis_tracker 关于这个项目 该程序使用来自“事件相机”（例如 DAVIS [1]）的事件来跟踪功能。 首先从原始图像中提取特征。 该项目实施了本文 [2]，并进行了一些修改。 结果 数据集 使用提供的数据集对代码进行了测试以下结果是通过 [3] 中的shape_6dof数据集获得的。 追踪 在此动画中，以平均约 3 个像素的精度跟踪在数据集第一帧中提取的 10 个特征。 目前，出现以下两个问题： 未正确跟踪三角形边缘的 1/10 特征。 另一个特征沿着中间右侧的六边形缓慢移动。 请注意，它们将使用进一步工作中提到的修改进行修复。 活动报名 [2] 这显示了 [2] 中描述的注册序列。 在此动画中，异常值已被移除且未绘制。 传说： -红星-模型点集-蓝色圆圈 - 数据点集-蓝十字-特征位置 地块 跟踪时获得的典型图如下所示。 执行时间处理时间 目前，绘图函数至少占总处理时间的 43%，其中包括优化和删除的子图 2（边缘图）和 3（贴片的近距离视图）。 下图是使用Matlab 配置文件查看器获得的，显示了程序的执行时间。 进一步的工作 添加 [4]

SURF算法原文的翻译，加入了作者的一些理解

python语言使用LBP算法提取特征向量SVM算法训练模型和识别分类整套文件。内有训练和测试、验证图片集，训练和测试程序分两个py文件。训练使用lbp_train.py文件，测试和验证使用均使用lbp_test.py文件，更改训练集和测试集文件可更改为自己所需的程序。LBP算法使用uniform模式，准确率可达93.31%以上