利用opencv进行双目视觉Shi-Tomasi角点检测

在很多动作大片中，开启关键之门的密码都是人脸———通过摄像头扫描脸部特征，符合则自动开启大门，反之警铃大作。依次通过人脸检测、人脸对齐、人脸识别三个模块，才能完成验证。人脸支付存在的一大问题就是识别率不高，完美光线下识别率能达到90%，特殊光影下只有60%。以淘宝为例，每天上亿的交易量，即便是99.99%也是远远不够的。

基于opencv3.0， 对照相机拍摄的单张图片进行相机的单目标定，获得相机的内参矩阵 

配置好大恒的SDK环境以及opencv环境可以直接运行，含有丰富注释，很适合学习。

基于Opencv的图像处理脸识别/检测源码,，环境是visualstudio2013,opencv2.4.9.主要通过C++/C实现，希望对于研究人脸的识别有一定的帮助!

基于OpenCV的blob实现的多运动目标跟踪，该工程提供完整的实现代码，主要通过Blob实现多目标的跟踪检测。原理简单，实现效果有限，但适合视频跟踪初学者的学习使用，可以学习到跟踪领域基本的思路。

可实现检测图片中有无人脸的功能，并将人脸用圆圈标示出来，使用opencv自带的训练器文件，精度不是很高，但功能基本可以实现。

本人做研究生数学建模时候写的代码，关于动态视频，前景识别检测代码，精确度非常高，获得国家二等奖

基于Opencv的红外运动目标识别与跟踪，内附红外演示与源代码。对红外视频图像中运动目标的检测问题,提出了一种以OpenCV为平台,以背景差分法为基础的运动目标检测算法,在传统检测方法基础上进行了改进,使用该算法不需要进行背景初始化,能直接检测运动目标,并有效抑制了虚警。利用OpenCV提供的函数库在Visual Studio 2008平台上编程实现。实验结果表明,该方法具有目标跟踪快、检测概率高、实时性好等特点。

可以简单的实现运动目标检测,帧差法[18]又叫时间差分法，它通过将视频序列图像中的当前帧与相邻帧所对应的像素点的灰度值进行比较，然后找到差异，进而检测出运动目标,在视频序列图像中，相邻的图像之间具有连续性，当视频图像中有运动目标时，由于运动目标的运动，相邻图像间的像素点灰度值差别就会较大，相反，当视频图像中没有运动目标时，相邻图像间的像素点素灰度值差别就会较小，帧差法就是利用视频图像的这一特性进行检测的，它是运动目标检测的最简单方法。帧差法是先用相邻两帧做差分运算，然后做二值化处理，从而检测出运动目标。

利用opencv实现运动目标与背景分离，可在此基础上进行进一步的图像处理及目标追踪等。