人生无根蒂，飘如陌上尘

本文可以为安防监控行业中的客流量统计技术提供一个完整的技术解决方案，文章思路清楚，描写详细，非常值得参考。 计算机视觉技术的突飞猛进带动了整个智能视频监控产业链的快速发展，由此孕育的巨大商机激发越来越多的企业及研究机构投入到该行业的前沿技术研发中来。在这样背景下，基于图像处理、模式识别的人流量统计技术逐渐发展起来，由于人流量数据可以为商场、机场、公交公司、地铁站等场所进行智能管理和决策提供重要依据，因而该项技术在智能视频监控领域中占据了非常重要的地位。本文针对公交车客流量统计技术展开了系统深入的研究，并提出了一套完整的解决方案。 在车载智能监控系统中，摄像机俯视整个监控场景，本文充分利用了摄像机成像视角的特殊性采用检测识别乘客人头有效的避开了人体识别这一难点，因为人头更类似于一个刚体且彼此之间的遮挡概率更小。本文采用梯度方向直方图作为人头特征描述子，线性支撑向量机作为学习算法建立关于人头的线性目标分类模型。线性目标分类模型再结合多尺度检测窗口滑动搜索的机制将输入图像从原始空间映射到新的空间中，转换为分值映射图像，分值映射图像经过一些简单的处理即可容易的实现人头检测。 本文的人头跟踪技术在粒子滤波器的整体框架下采用了目标检测指导目标跟踪的机制，稳定的捕获了人头目标的运动轨迹。最后通过对运动轨迹进行分析，判断出乘客的行为方式，继而实现客流量的自动统计计数。 实验结果表明本文提出的客流量统计算法能有效的抵抗外界条件变化的干扰，具有较高的统计准确度。

该文档为阅读机器学习大牛Bishop编写的PAML著作提炼而成的读书笔记，中文版，如果您正在研究及其学习，那么我建议您下载该文档，并好好阅读，一定会对您有巨大的帮助

大规模图像检索的代码，matlab与c++混合编程。总结了目前图像检索领域目前主要存在的方法。通过阅读该代码，可以对于经典的“词袋”模型（bow模型）有个具体的了解，但是该代码没有提供前序的特征提取，是直接从对提取好的特征向量聚类开始的，包括了k-means，分层k-means（HKM）聚类，倒排文件的建立和索引等，该代码还提供了局部敏感哈希（LSH）方法。最后，这份代码是下面这篇论文的作者提供的， Indexing in Large Scale Image Collections: Scaling Properties and Benchmark-This C++/Matlab package implements several algorithms used for large scale image search. The algorithms are implemented in C++, with an eye on large scale databases. It can handle millions of images and hundreds of millions of local features. It has MEX interfaces for Matlab, but can also be used (with possible future modifications) from Python and directly from C++. It can also be used for approximate nearest neighbor search, especially using the Kd-Trees or LSH implementations. The algorithms can be divided into two broad categories, depending on the approach taken for image search: 1. Bag of Words: ---------------- The images are represented by histograms of visual words. It includes algorithms for computing dictionaries: * K-Means. * Approximate K-Means (AKM). * Hierarchical K-Means (HKM). It also includes algorithms for fast search: * Inverted File Index. * Inverted File Index with Extra Information (for example for implementing Hamming Embedding).

改代码是非常完整的粒子滤波目标跟踪代码，算法流程非常清晰，对于学习粒子滤波算法的人来说，是不错的选择

该资料非常详细的论述了SVM的理论基础，真的是非常详细，对需要学习SVM算法的人来说是非常好的资料

该文件是根据高等教育出版社发行的教材编译的数学手册，查阅检索知识点非常方便。该手册涉及的知识面也非常广泛，涵盖了各个方面的数学知识。具体包括：初等数学，代数方程，线性代数，矩阵论，微积分学，微分几何，矢量理论，张量算法，场论初步，抽象代数，泛函分析，复变函数，傅里叶及各类变换，特殊函数，常微分方程，积分方程，概率论与随机过程，最优化理论，有限元分析，集合与拓扑学

比较全面的分析了SVD的物理意义及子空间方面的知识，并列举了SVD在不同领域中的具体应用

SVD 奇异值分解代码，矩阵分析的利器，可以高精度的分解各种类型的矩阵

SVD详细介绍及理论推导和应用举例，是了解SVD理论的很好的参考资料

基于KDE（核密度估计）的背景建模源代码，用于运动目标的检测，算法可直接运行，效率很高

纯c实现的LBP纹理描述子算法源代码，有详细的注释，非常值得参考，同时还附上相关的经典文献

附件是深入剖析opencv haar boosting算法的文档和一篇全面介绍boosting算法原理的论文，非常值得阅读

该代码是实现MSER特征提取的算法，用到opencv