从视频或图像中检索，识别出目标对象并进行跟踪。

软件采用OpenCV的集成开发工具，基于Microsoft visual Studio 2008开发平台，利用C++语言进行程序开发。根据需要，分为三部分： Camera识别与跟踪、camera动作消息响应、虚拟键盘的实现与控制。 Camera识别与跟踪：通过camera捕获图像的每一帧，每秒帧数根据周边环境及camera的功能取最优化，通过cvCvtColor将视频每帧图像转化为灰度图，在经过cvSub的处理将相邻两帧进行比较，反映出两帧比较不同的效果，进而利用我们自己定的接口is_blin

1、OpenCV的特点 [编辑] （1） 总体描述 OpenCV是一个基于C/C++语言的开源图像处理函数库 其代码都经过优化，可用于实时处理图像 具有良好的可移植性 可以进行图像/视频载入、保存和采集的常规操作 具有低级和高级的应用程序接口（API） 提供了面向Intel IPP高效多媒体函数库的接口，可针对你使用的Intel CPU优化代码，提高程序性能（译注：OpenCV 2.0版的代码已显着优化，无需IPP来提升性能，故2.0版不再提供IPP接口） [编辑] （2） 功能 图像数据操作

高清完整版，极力推荐。 第1 章　基本的图像操作和处理 .....................................................................................................1 1.1　PIL：Python 图像处理类库.................................................................................................

人脸检测与识别是计算机视觉与模式识别领域中重要的基础研究课题，随着人们安全 防范意识的的加强，这一基础研究在门禁系统的应用显得日益重要了。 本文阐述了国内外人脸检测识别技术研究及应用的发展现状，讨论了对人脸图像检测 和识别之前的图像预处理步骤，介绍了常见的人脸检测识别方法，重点分析了人脸检测的 一个重要机制：多个弱分类器集成的方法，即Viola等提出的基于AdaBoost的实时人脸检测 算法，该方法使用了Harr-like特征表示图像，引入了“积分图”概念，提高了特征值的计 算速度，采用Ada