肤色分割算法

A. 王甦菁的发表论文

Su-Jing Wang, Jian Yang, Na Zhang, Chun-Guang Zhou. Tensor Discriminant Color Space for Face Recognition[J]. IEEE Transactions on Image Processing 2011. 20(9):2490-2501 DOI:10.1109/TIP.2011.2121084. (SCI 期刊，goggle scholar 被引4次)
Su-Jing Wang, Chun-Guang Zhou, Na Zhang, Xu-Jun Peng, Yu-Hsin Chen, Xiao-Hua Liu. Face Recognition using Second Order Discriminant Tensor Subspace Analysis [J]. Neurocomputing.2011, 74(12-13):2142-2156. DOI:10.1016/j.neucom.2011.01.024.(SCI 期刊，goggle scholar 被引1次)
Su-Jing Wang, Yu-Hsin Chen, Xu-Jun Peng, Chun-Guang Zhou. Exponential locality preserving projections for small sample size problem [J]. Neurocomputing.2011, 74(17): 3654-3662. DOI:10.1016/j.neucom.2011.07.007 (SCI 期刊)
Su-Jing Wang, Chun-Guang Zhou, Yu-Hsin Chen, Xu-Jun Peng, Hui-Ling Chen, Gang Wang, Xiaohua Liu. A novel face recognition method based on sub-pattern and tensor[J]. Neurocomputing.2011, 74(17):3553-3564.DOI:10.1016/j.neucom.2011.06.017(SCI 期刊，goggle scholar 被引1次)
Su-Jing Wang, Na Zhang, Xu-Jun Peng, Chun-Guang Zhou. Two-dimensional locality preserving projection based on Maximum Scatter Difference[J]. Journal of Information & Computational Science. 2011, 8(3):484-494.（EI期刊）.
Su-Jing Wang, Chun-Guang Zhou, Ming-Fang Sun, Hui-Ling Chen, Xiao-Hua Liu, Xu-Jun Peng. Can Estimate Age Range Using 'a Face a Person'?. Journal of Computational Information Systems. 2011, 7(13):4586-4593.（EI期刊）
王甦菁，周春光，张娜， 李建朋，张利彪. 一种基于形状和纹理特征的人脸年龄估计方法[J]. 吉林大学学报（工学版）. 2011, 41(5):1383-1387.（EI期刊）
Su-Jing Wang, Cheng-Cheng Jia, Hui-Ling Chen, Chun-Guang Zhou.Matrix Exponential LPP for Face Recognition[C]. The First Asian Conference on Pattern Recognition. 2011, p. 189-193. （EI检索）
Su-Jing Wang, Na Zhang, Ming-Fang Sun, Chun-Guang Zhou. The analysis of parameters t and k of LPP on several famous face databases[C]. The Second International Conference on Swarm Intelligence. 2011, p. 333-339. （EI检索）.
Su-Jing Wang, De-Cai Zhang, Cheng-Cheng Jia, Na Zhang, Chun-Guang Zhou, Li-Biao Zhang. A Sign Language Recognition Based on Tensor. 2010 Second International Conference on MultiMedia and Information Technology(MMIT 2010) 2010 Second International Conference on. 2010. p. 192-195. (EI检索：20102713061118)
Su-Jing Wang, Zhen Chen, Dong-Jing Wang. An Algorithm based on Concept-Matrix for Building Concept Lattice with Hasse. 2007 International Conference on Wireless Communications, Networking and Mobile Computing, Proceedings-Volume 8, September 21-25, 2007: 5588-5591. (EI检索：20080311028522)
王甦菁, 陈震. 一种基于概念格的关联规则挖掘算法[J]. 计算机工程与应用, 2007, 43(28):157-161.
陈震，王甦菁，周春光，曹欢欢. 一种基于BP网络的人体肤色模型[J].计算机工程与应用, 2008, 44(14):166-168
陈震，张娜，王甦菁. 一种基于概念矩阵的概念格生成算法[J]. 计算机科学. 2010(09): 180-183.（通讯作者）
Hui-Ling Chen, Da-You Liu, Bo Yang, Jie Liu, Gang Wang and Su-Jing Wang. An Adaptive Fuzzy k-Nearest Neighbor Method Based on Parallel Particle Swarm Optimization for Bankruptcy Prediction. PAKDD 2011, Part I, LNAI 6634, p. 249-264 （EI检索）.
Cheng-Cheng Jia, Su-Jing Wang, Xu-Jun Peng, Wei Pang, Can-Yan Zhang, Chun-Guang Zhou, Zhe-Zhou Yu. Incremental multi-linear discriminant analysis using canonical correlations for action recognition. Neurocomputing. DOI:10.1016/j.neucom.2011.11.006.(SCI 期刊)
Ming-Fang Sun, Su-Jing Wang, Xiao-Hua Liu, Cheng-Cheng Jia, Chun-Guang Zhou. Human Action Recognition Using Tensor Principal Component Analysis. 4th IEEE International Conference on Computer Science and Information Technology,2011, p.487-491.（EI检索）.
Hui-Ling Chen, Bo Yang, Gang Wang, Jie Liu, Xin Xu, Su-Jing Wang, Da-You Liu. A novel bankruptcy prediction model based on an adaptive fuzzy k-nearest neighbor method. Knowledge-Based Systems.2011. 24(8): p. 1348-1359. DOI:10.1016/j.knosys.2011.06.008(SCI 期刊).
Hui-Ling Chen, Bo Yang, Gang Wang, Su-Jing Wang, Jie Liu, Da-You Liu. Support vector machine based diagnostic system for breast cancer using swarm intelligence. Journal of Medical Systems. DOI: 10.1007/s10916-011-9723-0, (SCI 期刊).
Yuan-Ning Liu, Gang Wang, Hui-Ling Chen, Hao Dong, Xiao-Dong Zhu, Su-Jing Wang. An Improved Particle Swarm Optimization for Feature Selection. Journal of Bionic Engineering. 2011, 8(2):191-200. DOI:10.1016/S1672-6529(11)60020-6 (SCI 期刊).
Cheng-Cheng Jia, Su-Jing Wang, Chunguang Zhou, Caitang Sun, Libiao Zhang. Tensor analysis and multi-scale features based multi-view human action recognition, in Computer Engineering and Technology (ICCET), 2010 2nd International Conference on. 2010. p. V4-60-V4-64. (EI检索：20104313317160)
Qing XIA, Su-Jing Wang, Zhen CHEN, Tao LV, Dong-Jing WANG. ARCA: An Algorithm for Mining Association Rules based Concept Lattice. 2008 International Conference on Wireless Communications, Networking and Mobile Computing, WiCOM 2008, October 12-14, 2008: 1-5.(EI检索：20090111835430)
Libiao Zhang, Xiangli Xu,Su-Jing Wang, Chunguang Zhou, Caitang Sun. Environmental/Economic Dispatch using a improved Differential Evolution, in Computer Engineering and Technology (ICCET), 2010 2nd International Conference on. 2010. p. V4-55-V4-59. (EI检索：20104313317177)
Libiao Zhang, Xiangli Xu, Su-Jing Wang, Ming Ma, Chunguang Zhou, Caitang Sun. Solved Environmental/Economic Dispatch Based on Multi-objective PSO, in Intelligent Computation Technology and Automation (ICICTA), 2010 International Conference on. 2010. p. 352-355. (EI检索)
张德才，周春光，周强，池淑珍，王甦菁.基于轮廓的孔洞填充算法[J].吉林大学学报(理学版),2011,49(1):82-86.
陈前，王甦菁，刘小华，高蕾，周春光. 一种快速的虹膜定位算法[J].吉林大学学报(理学版),2011,49 (06): 1095-1100
刘小华，石娜，王甦菁，李春玲. 复杂背景下同光度性质物体的图像分割[J].吉林大学学报(理学版),2011,49 (05): 901-905
张娜，陈震，陈彬，吕涛，王甦菁. 智能体(Agent)技术在交通枢纽仿真系统中的研究与应用[J].交通信息与安全. 2009(02): 104-106.

B. 求matlab 根据肤色检测手部轮廓提取和分割的算法以及实现程序，最好有注释，重谢！

解决方案1：
直接用缉鼎光刮叱钙癸水含惊ifft();例如信号x
y=fft(x);%对信号傅里叶变换到频域
z=ifft(y);%对信号y傅里叶反变换到时域，

解决方案2：
工具箱啊。IFFT()函数

C. java 实现人脸的动漫化 照片用数组存还是image对象提取人脸的什么特征人脸处理常用哪些特征

YOGUAI为保险柜，自动门，考勤等行业提供人脸识别方案。

随着计算机网络和通信技术的发展，信息安全、知识产权保护和身份认证等问题成了一个重要而紧迫的研究课题。身份认证是保证系统安全的必要前提，在多种不同的安全领域都需要准确的身份认证。传统的身份证、智能卡、密码等身份认证方法存在携带不便、容易遗失、不可读或密码易被破解等诸多问题。基于人脸识别技术的身份认证方法与传统的方法相比，具有更好的安全性、可靠性和有效性，因此正越来越受到人们的重视，并逐渐进入社会生活的各个领域。

人脸识别技术具有广泛的应用前景，可以应用到多种不同的安全领域，因其识别特征的独特性、惟一性和相对稳定性，逐渐成为一非常热门的研究课题。许多典型的人脸识别算法和应用系统都是针对标准或特定的人脸数据库，利用库内人脸进行训练，并在相同的库中实现人脸识别。但在软件保护、计算机安全等特殊应用中，身份认证仅针对单个对象进行人脸识别，现有的人脸识别方法并不能胜任这样的识别任务。为此，本文针对单对象人脸识别的特点，讨论了单对象人脸检测和识别的关键技术，在此基础上提出了一种单对象人脸识别算法，实验结果证明了该方法的有效性。

2单对象人脸识别的特点

与典型的人脸识别相比，单对象人脸识别有以下4个方面的特点：

应用领域人脸识别的应用领域很广，如刑侦破案、证件核对、保安监控等，而单对象人脸识别主要应用在软件保护、计算机安全锁、特定对象追踪等领域。

识别系统的目标单对象人脸识别的最终目标是系统必须具有高度的安全性和可靠性，即识别错误率趋于0。虽然降低识别错误率的同时识别率也会降低，但可以通过提示用户调整姿态(如注视摄像头等)加以改善。

肤色模型由于单对象人脸识别仅针对特定的对象，所以人脸检测的肤色模型可采用自适应的方法调整肤色范围。

分类方法单对象人脸识别不存在人脸数据库，常用的最小距离分类法不能够正确识别特定的对象，只能用阈值作为判据。因此，阈值的选取十分重要，阈值过大则容易出现错判，存在安全隐患；而阈值过小又会影响识别效率。

3人脸的检测和归一化

人脸检测是人脸识别的前提。对于给定的图像，人脸检测的目的在于判断图像中是否存在人脸，如果存在，则返回其位置和空间分布。利用人脸肤色和面部特征，将人脸检测分为两个阶段：外脸检测和内脸定位。外脸检测主要利用人脸肤色进行初步的脸区检测，分割出肤色区域；内脸检测是在外脸区域中利用面部几何特征进行验证和定位。

3.1外脸检测

外脸检测的任务是将待检图像中可能的人脸区域找出来并加以标记，其步骤如下：

(1)根据人类肤色在色彩空间中存在区域性的特点，将可能为人脸的像素检测出来。为更好地利用肤色特征，同时选用HSI和YcbCr两种色彩空间对图像进行二值化处理，肤色范围限定在H∈[0，46]，S∈[0.10，0.72]，Cb∈[98，130]，Cr∈[128，170]内。将满足条件的像素标记为肤色像素，其余的均为非肤色像素。

(2)去噪处理。在以每一个肤色点为中心的5×5邻域内统计肤色像素的个数，超过半数时中心点保留为肤色，否则认为是非肤色。

(3)将二值图像中的肤色块作区域归并，并对目标区域进行比例、结构分析，过滤掉不可能的人脸区域。目标区域的高度／宽度比例限定在0.8～2.0。

3.2内脸检测和定位

将包含眼、眉、鼻和嘴的区域称为内脸区域。内脸区域能够很好地表达人脸特征，且不易受背景、头发等因素的干扰，因此内脸区域的检测和定位对后续的特征提取和识别至关重要。

在外脸区域的上半部，对二值图像进行水平方向和垂直方向的投影，确定两个包含黑点的矩形区域作为双眼的大致区域。在确定的两个区域中，对黑点进行区域膨胀，可以得到眼睛的基本轮廓和左石眼角，黑点坐标的平均值作为瞳孔的位置。

设左右瞳孔的坐标分别为(Lx，Ly)和(Rx，Ry)，两个瞳孔之间的距离为d，根据人脸的几何特征，我们将内脸区域定义为：宽度=-d×1.6，高度=-d×1.8，左上角坐标为(Lx-d×0.3，(Ly Ry)／2-(-d)×0.3)。实验表明，该区域能够很好地表达人脸特征。

3.3内脸区域的归一化

由于各待测图像中的人脸大小具有很大的随机性，因此，有必要对内脸区域进行归一化操作。人脸归一化是指对内脸区域的图像进行缩放变换，得到统一大小的标准图像，实验中，我们规定标准图像的大小为128×128。归一化处理，保证了人脸大小的一致性，体现了人脸在图像平面内的尺寸不变性。

对归一化的人脸图像，采用小波变换与DCT相结合的方法提取人脸特征。首先对人脸图像进行3层小波分解，取低频子图像LL3作为人脸特征提取的对象，从而获得每幅训练样本或测试样本的低频子图像；然后对低频子图像进行离散余弦变换(DCT)，DCT系数个数与子图像的大小相等(即256)，由于图像DCT变换，能量集中在低频部分，因此只取其中的136个低频系数作为特征向量。

5人脸的识别

完成训练过程并获得待测样本的特征后，即可进行人脸识别，本文采用欧氏距离进行分类。

5.1计算样本与平均脸的欧氏距离

用m和x表示平均脸和样本的特征向量，则样本与平均脸的欧氏距离为：

其中mk表示平均脸的第k个特征向量，xk表示待测样本的第k个特征向量。身份认证时，计算待测样本与平均脸的欧氏距离，并与特定对象的自适应阈值进行比较，将小于阈值的样本判为该对象的人脸，即认证通过。

5.2自适应阈值的选取

与典型的人脸识别方法不同，单对象人脸认识没有人脸数据库，不能用距离最小作为判据，只能用阈值作为判别依据。阈值的选取应兼顾识别率和识别的准确性，实验中我们取训练样本与平均脸的欧氏距离平均值作为分类阈值，即:

其中，N为训练样本数，此值不宜太小；di为第i个样本与平均脸之间的欧氏距离。

莫士特科技有限公司提供模式识别主板及解决方案。
希望采纳

D. 传音在影像领域的行业地位如何

近年来，传音在已有技术积累的基础上，针对深肤色人像与场景相关的技术难点，从数据、算法、算力三个方向构建人工智能深肤色影像关键技术研发平台，并携手行业伙伴共同推进该细分领域的研究和应用，逐步完善技术创新体系。

2019年，传音控股旗下影像研发团队入选上海2019人工智能创新发展专项支持，围绕大数据基础建设，全力构建面向“一带一路”区域的亿量级人工智能深肤色影像数据服务平台。

2020年，传音控股旗下影像研发团队首次参加国际计算机视觉与模式识别会议举办的CVPR LIP国际竞赛，凭借在深肤色图像领域的算法技术优势和数据样本积累优势，获得了深肤色人像分割赛道冠军。
而在另一个国际权威组织—国际电信联盟全会上，传音主导提交的《移动终端计算摄影系统参考架构》提案也成功获得立项，在移动终端计算摄影领域的工作成果获得国际同行专家的认可，首创性地填补了行业标准空白。
在国内，传音控股《面向一带一路区域的深肤色影像人工智能关键技术研发平台》项目也同样获得了专家评委的高度肯定，荣获第十届“吴文俊人工智能科技进步奖”。

2021年，传音主导提交的三项新的移动终端计算摄影国际标准提案全部正式获ITU-T（国际电信联盟）批准立项，持续推进该领域的标准化体系化建设。

目前，传音在中国上海、深圳和重庆建立的自主研发中心共拥有研发人员1915人，聚焦手机产品硬件、软件及移动互联网开发方面，不断加强专利储备。同时在深肤色影像领域继续深入研发，努力打造差异化产品竞争优势。

E. 荣耀10系统

荣耀Play和荣耀10参数对比：
1、屏幕：荣耀Play采用6.3英寸大视野全面屏，分辨率2340X1080像素，玩游戏视觉效果非常好；荣耀10屏幕尺寸是5.84英寸，分辨率FHD+1080x2280像素，屏幕清晰，相比荣耀Play屏幕大一些。
2、摄像头：荣耀Play前置摄像头1600 万像素，F2.0光圈，能准确识别人脸的多个特征点，进行肤色和光感的调节；后置双摄像头，1600万（上侧）+200万（下侧）像素，F2.2+F2.4光圈，经过海量图片和摄影师技巧的AI学习，能智能识别22类摄影对象，500+场景；荣耀10后置摄像头1600万（彩色）像素＋2400万（黑白）像素，F/1.8光圈，支持自动对焦（深度对焦/相位对焦/反差对焦），前置摄像头2400万像素，F/2.0光圈，支持固定焦距，自拍更加细腻，喜欢拍照可以选择荣耀10手机。
3、系统方面：荣耀Play采用EMUI 8.2（基于安卓8.1）操作系统，搭载麒麟970芯片八核 + 微智核i710纳米旗舰处理器， 6GB大内存可选，轻松驾驭大型3D游戏，尽享高帧率畅爽体验。神经网络处理器（NPU）的存在，让复杂的AI算法快速运行；荣耀10手机采用EMUI 8.1（基于安卓8.1系统），性能较高的麒麟970+八核处理器，多应用同时运行无压力，游戏运行更流畅。
4、续航方面：荣耀Play采用3750mAh（典型值）高密度电池，续航更持久，重度用户可使用1.5天。标配9V/2A充电器，支持快充（9V/2A）；荣耀10电池容量3400mAh（典型值），标配5V/4.5A充电器，兼容4.5V/5A充电，支持（超级快充5V/4.5A），系统优化，功耗更低，电池更耐用更持久，荣耀Play电池容量更大，荣耀10手机充电更快。
两款手机都很不错，可根据自己实际使用需求来选择，建议登录华为商城查看产品更多相关信息。

F. OPPO Find X3 Pro有哪些好玩的功能

哈喽，大家好，我是服务菌~
色彩影像旗舰OPPO Find X3 Pro系列发布以来备受关注，作为十年理想之作带来的不仅仅是领先的工艺技术，更有绝佳的使用体验，那么这些惊喜满满的功能要怎么玩儿呢？服务菌这就给你翻译翻译什么叫惊喜~

显微镜
影像领域除了超强的主摄和广角，还带来了超越想象力的黑科技——60倍放大倍率的显微镜，带你探索平日里肉眼无法看到的新世界，衣服织物的纤维，沙粒的晶体甚至是屏幕的像素排列都能一览无余。
操作方法：相机 > 更多 > 显微镜

AI调色大师
在小红书和微博看到自己喜欢的照片，或者你有一个很喜欢的摄影师风格，但自己拍出来怎么都没有那个质感，有什么方法可以提升照片的质感吗？这时候OPPO的AI调色大师就派上用场了，拯救废片神器，一秒复制大师质感，学习同样的色彩风格，让照片色彩风格突破滤镜限制。
操作方法：相机 > 选中任意一张图片> 编辑 > AI调色

AI场景色彩 - 情绪色彩
人都是情感动物，我们的所见会受到彼时彼地的情绪影响。影像能捕捉我们细腻的“情感现场”， AI场景色彩帮助影像拍出更有临场感、氛围感的场景。
以往更多根据主观观感进行调试，比如摄影师、调色师等，缺少坚实且明确的依据。OPPO与浙江大学罗明教授合作，成立浙江大学-OPPO联合创新中心色彩实验室，以科学的方法系统开展“记忆色工程”研究，建立人的感受和色彩之间的关系，为色彩表现找到一条科学的基准线。
在符合人眼真实的金线上，基于场景检测和环境色温等信息，结合AI人像分割，通过局部自适应对比度增强和3DLUT等手段强化包含肤色、蓝天、夕阳、鲜花和绿植等场景的色彩。
操作方法：相机 > AI

大师滤镜
姜文是个极具个人风格的导演，很多人喜欢姜文导演电影里的质感，OPPO为了让Find X3系列用户更易拍出极具质感的照片，与姜文导演联手打造了两款电影级别的大师滤镜可以把导演自用的滤镜用在自己的照片上获得更好的色彩体验和姜文导演联手，打造了两个电影滤镜——姜文电影一号、姜文电影二号。
姜文电影一号是偏暖色调的滤镜，充满了温暖、怀旧的色彩，比较像老照片的风格，适合拍人物照、生活照
姜文电影二号是黑白滤镜，但这个黑白滤镜却有着非常饱满的色彩感，成像极为细腻，在彩色的世界开拓出一片独特的黑白视野，适合拍艺术照、风景照
操作方法：相机 > 滤镜

色彩视觉增强-千人千屏
每个人的视觉特征能力的不同，对色彩的感知程度也不同。即使同一张图片，每个人看到的色彩也存在差异。OPPO寻找了上千人做了上千轮试验，针对人眼对色彩感知弱的问题，进行屏幕专项调试，为用户打造最适合自己的屏幕，最终实现了突破，让色彩感知弱的人，也能在屏幕上分辨出不同的色彩！
操作方法：设置 > 显示与亮度>屏幕色彩模式>色彩视觉增强>个性化色彩视觉增强

视频超清增强
看视频有些时候不得不遇到一些清晰度很低，画面模糊的场景，比如说怀旧港片或者没有视频网站会员，“视频超清增强“通过算法优化，提供480P及以下视频内容的清晰度优化（480P视频画质超清增强至近1080P效果），可以获得更清晰的视频内容，从而提升观看体验。目前已经支持相册、腾讯视频、爱奇艺、优酷、芒果TV、微博、B站，堪称永久的免费视频VIP。
操作方法：设置 > 显示与亮度>视频超清增强
除了以上介绍的功能点之外，其实还有非常多的惊喜等待你来探索，赶紧上手去试试吧~

G. 戏精的诞生：荣耀Play距离小米8还差着几个华为

荣耀play非常不错，产品参数如下：
1、外观：荣耀play颜色有幻夜黑，极光蓝，星云紫三种时尚配色，屏幕采用6.3英寸大视野全面屏，分辨率2340X1080像素，采用一体化金属机身，触感细腻，外观设计的非常漂亮。
2、摄像：前置摄像头1600 万像素，F2.0光圈，能准确识别人脸的多个特征点，进行肤色和光感的调节，发丝精细背景虚化，人像更突出；后置双摄像头，1600万（上侧）+200万（下侧）像素，F2.2+F2.4光圈，经过海量图片和摄影师技巧的AI学习，能智能识别22类摄影对象，500+场景。适配图像语义分割和分区调优AI技术，即使同一张照片，也能针对图像中不同对象，分别自动进行专业参数调优。
3、系统：采用麒麟970芯片八核 + 微智核i710纳米旗舰处理器， 6GB大内存可选，轻松驾驭大型3D游戏，尽享高帧率畅爽体验。神经网络处理器（NPU）的存在，让复杂的AI算法快速运行。
4、续航：采用3750mAh（典型值）高密度电池，续航更持久，重度用户可使用1.5天。标配9V/2A充电器，支持快充。
5、GPU Turbo技术：荣耀Play荣耀首款搭载GPU Turbo的手机，性能释放，带来持续稳定高帧率的游戏体验，画面平滑，不抖动，不拖影；畅爽不卡顿。
建议可以登陆华为商城查看产品更多相关信息。

H. 视频检索的智能视频

智能视频处理成为视频监控的“救命稻草”
智能视频源自计算机视觉技术，计算机视觉技术是人工智能研究的分支之一，它能够在图像及图像内容描述之间建立映射关系，从而使计算机能够通过数字图像处理和分析来有限理解视频画面中的内容。运用智能视频分析技术，当系统发现符合某种规则的行为（如定向运动、越界、游荡、遗留等）发生时，自动向监控系统发出报警信号（如声光报警），提示相关工作人员及时处理可疑事件。
智能视频算法的实现
目前，智能视频技术实现对移动目标的实时检测、识别、分类以及多目标跟踪等功能的主要算法分为以下五类：目标检测、目标跟踪、目标识别、行为分析、基于内容的视频检索和数据融合等。 目标检测（Object Detection）是按一定时间间隔从视频图像中抽取像素，采用软件技术来分析数字化的像素，将运动物体从视频序列中分离出来。运动目标检测技术是智能化分析的基础。常用的目标检测技术可以分为背景减除法（Background Subtraction）、时间差分法（Temporal Difference）和光流法（Optic Flow）三类。
背景减除法利用当前图像与背景图像的差分检测运动区域。背景减除法假设视频场景中有一个背景，而背景和前景并未给出严格定义，背景在实际使用中是变化的，所以背景建模是背景减除法中非常关键的一步。常用的背景建模方法有时间平均法、自适应更新法、高斯模型等。背景减除法能够提供相对来说比较完全的运动目标特征数据，但对于动态场景的变化，如光线照射情况、摄像机抖动和外来无关事件的干扰特别敏感。
时间差分法充分利用了视频图像的时域特征，利用相邻帧图像的相减来提取出前景移动目标的信息。该方法对于动态环境具有较强的自适应性，不对场景做任何假设，但一般不能完全提取出所有相关的特征像素点，在运动实体内部容易产生空洞现象，只能够检测到目标的边缘。当运动目标停止时，一般时间差分法便失效。 光流法通过比较连续帧为每个图像中的像素赋予一个运动矢量从而分割出运动物体。
光流法能够在摄像机运动的情况下检测出独立的运动目标，然而光流法运算复杂度高并且对噪声很敏感，所以在没有专门硬件支持下很难用于实时视频流检测中。 目标跟踪（Object Tracking）算法根据不同的分类标准，有着以下两种分类方法：根据目标跟踪与目标检测的时间关系分类和根据目标跟踪的策略分类。 根据目标跟踪与目标检测的时间关系的分类有三种：
一是先检测后跟踪(Detect before Track)，先检测每帧图像上的目标，然后将前后两帧图像上目标进行匹配，从而达到跟踪的目的。这种方法可以借助很多图像处理和数据处理的现有技术，但是检测过程没有充分利用跟踪过程提供的信息。
二是先跟踪后检测(Track before Detect)，先对目标下一帧所在的位置及其状态进行预测或假设，然后根据检测结果来矫正预测值。这一思路面临的难点是事先要知道目标的运动特性和规律。三是边检测边跟踪(Track while Detect)，图像序列中目标的检测和跟踪相结合，检测要利用跟踪来提供处理的对象区域，跟踪要利用检测来提供目标状态的观察数据。
根据目标跟踪的策略来分类，通常可分为3D方法和2D方法。相对3D方法而言，2D方法速度较快，但对于遮挡问题难以处理。基于运动估计的跟踪是最常用的方法之一。 目标识别（Object Recognize）利用物体颜色、速度、形状、尺寸等信息进行判别，区分人、交通工具和其他对象。目标识别常用人脸识别和车辆识别。
视频人脸识别的通常分为四个步骤：人脸检测、人脸跟踪、特征提取和比对。人脸检测指在动态的场景与复杂的背景中判断是否存在面像，并分离出这种面像。人脸跟踪指对被检测到的面貌进行动态目标跟踪。常用方法有基于模型的方法、基于运动与模型相结合的方法、肤色模型法等。
人脸特征提取方法归纳起来分为三类：第一类是基于边缘、直线和曲线的基本方法；第二类是基于特征模板的方法；第三类是考虑各种特征之间几何关系的结构匹配法。单一基于局部特征的提取方法在处理闭眼、眼镜和张嘴等情景时遇到困难，相对而言，基于整体特征统计的方法对于图像亮度和特征形变的鲁棒性更强。人脸比对是将抽取出的人脸特征与面像库中的特征进行比对，并找出最佳的匹配对象。
车辆识别主要分为车牌照识别、车型识别和车辆颜色识别等，应用最广泛和技术较成熟的是车牌照识别。 车牌照识别的步骤分别为：车牌定位、车牌字符分割、车牌字符特征提取和车牌字符识别。
车牌定位是指从车牌图像中找到车牌区域并把其分离出来。字符分割是将汉字、英文字母和数字字符从牌照中提取出来。车牌特征提取的基本任务是从众多特征中找出最有效的特征，常用的方法有逐像素特征提取法、骨架特征提取法、垂直水平方向数据统计特征提取法、特征点提取法和基于统计特征的提取法。车牌字符识别可以使用贝叶斯分离器、支持向量机(SVM)和神经网络分类器(NNC)等算法。 基于内容的图像检索技术是由用户提交检索样本，系统根据样本对象的底层物理特征生成特征集，然后在视频库中进行相似性匹配，得到检索结果的过程。现有基于内容的检索方法主要分为：基于颜色的检索方法、基于形状的检索方法和基于纹理的检索方法等。数据融合是将来自不同视频源的数据进行整合，以获得更丰富的数据分析结果。

I. 女人正常的三围标准是多少

女生三围标准指数是：

胸围＝身高（厘米）×0.535

腰围＝身高（厘米）×0.365

臀围＝身高（厘米）×0.565。

实际计算得出的指数与标准指数±3厘米均属标准

小于5厘米，说明过于苗条（偏瘦）

大于5厘米，说明过于丰满（偏胖）

胸围的测量方式：

身体直立，脸超正前方，身体的软尺要和地面呈水平状态，并紧贴所量部位，不要拉得太紧。量身的顺序是先量胸围，再量下胸围，首先用双手轻托乳房，使整个乳房处于穿着胸罩时的状态，然后用软尺量胸围及胸下围。

臀部要有一点儿上翘，前凸后翘，是评定美臀的重要条件。整个臀部的大小要均衡，必须与身体比例配合，不是大就好，太小当然也不合格。臀部必须紧实浑圆，走起路来不可晃动得太厉害。