针对多目标跟踪算法中经常会面临的各种挑战, 如相机的突然运动、遮挡、误检和外观相似等情况, 提出一种基于核相关滤波(KCF)的分步关联框架。首先, 该算法采用基于卷积神经网络的目标检测器检测目标, 获得准确的检测结果。然后, 为了更好地预测目标的运动状态, 通过加权融合三种特征的跟踪结果, 为每个目标建立一个基于KCF算法的快速跟踪器。此外, 为了有效地降低碎片化轨迹的数量, 该算法通过跟踪片的置信度分步关联轨迹, 并在遮挡的情况下, 利用在线随机蕨重新检测目标。最后利用关联成功的检测信息自适应更新KCF算法中的尺度。实验结果表明, 与现有算法相比, 所提算法能够在各种复杂的条件下, 表现出强大和高效的跟踪性能。

图像处理与机器视觉行业分析报告.docx

LS3D-W 是个大规模人脸对齐标注数据集，由诺丁汉大学计算机视觉实验室创建。人脸图像来自AFLW, 300VW, 300W和FDDB，人脸对齐采用68点标注法，一共包含了大约 230,000 人脸精准标记图像，通过论文《How far are we from solving the 2D \ 3D Face Alignment problem?》中的方法生成。

设计了适用于靶场静爆实验现场的标定设备，研究了基于遗传模拟退火的高速相机标定方法，采用设计的标定设备开展了双目高速相机内外参数标定实验。根据实验采集的圆形人工标志位置参数，分别采用基于遗传模拟退火的标定方法和Tsai两步标定法对双目高速相机参数进行标定，并利用标定结果分别还原视野内位置已知点的空间坐标。将还原的空间坐标与实际测量坐标进行对比，可以发现基于遗传模拟退火的标定法还原的空间坐标最大偏差为0.0082 m，优于Tsai两步法得到的最大偏差(0.0201 m)，提出的方法提高了高速相机的标定精度，对提高破片速度测量精度具有重要意义。

为了提高仪表读数及记录的工作效率，减少人工干预并降低出错概率，提出了一种基于OpenCV和LSSVM的数字仪表自动识别方法。首先选取免驱的USB摄像头采集仪表图像，然后采用Canny检测与Hough变换相结合的算法对仪表图像的倾斜角度进行校正；利用数学形态学、Otsu算法以及连通域提取对图像进行预处理和字符定位分割；最后，进行字符特征提取并利用最小二乘支持向量机算法对仪表读数进行识别。经过大量的实验验证，与现有的仪表读数识别方法相比，该方法具有更好的准确性，实现了数字仪表的自动识别功能。

详细详细讲解matlab的图像处理技术与机器视觉，大量案例分析，带有程序方便学习交流

基于机器视觉的智能导盲系统中关键帧提取方法的研究.pdf

通过对零件尺寸机器视觉检测系统的关键技术进行研究,分析了零件边缘灰度值变化,结合Roberts算子检测出的边缘呈多像素宽度的特点,提出了基于最小二乘曲线拟合的亚像素边缘检测方法用于边缘检测。实验结果表明:检测系统的测量精度能达到2μm。

这是1-14，16-17章的资料，15章太大（网站最大上传60MB），分开上传，请到我主页下载。不要分，希望大家以后上传也免费共享。

The seeds for this book were first planted in 2001 when Steve Seitz at the University of Wash- ington invited me to co-teach a course called “Computer Vision for Computer Graphics”. At that time, computer vision techniques were increasingly being used in computer graphics to create image-based models of real-world objects, to create visual effects, and to merge real- world imagery using computational photography techniques. Our decision to focus on the applications of computer vision to fun problems such as image stitching and photo-based 3D modeling from personal photos seemed to resonate well with our students.