opencv项目代码

### 关于OpenCV项目的GitHub代码实例

对于希望探索更多关于OpenCV应用的人来说，在GitHub上存在大量高质量的开源项目可供学习和借鉴。这些资源不仅有助于理解如何有效利用OpenCV库实现各种计算机视觉任务，还能提供实际编程技巧上的指导。

#### 使用C++编写的人脸检测程序
下面是一个简单的人脸识别例子，它展示了怎样加载预训练模型并应用于实时视频流中：

#include <opencv2/opencv.hpp>
using namespace cv;

int main(int argc, char **argv){
    CascadeClassifier face_cascade;
    VideoCapture cap(0);
    
    if (!face_cascade.load("haarcascade_frontalface_alt.xml")) {
        printf("--(!)Error loading\n");
        return -1;
    }
    
    Mat frame, gray_frame;
    vector<Rect> faces;
    
    while (true) {
        cap >> frame; // get a new frame from camera
        
        cvtColor(frame, gray_frame, COLOR_BGR2GRAY); 
        equalizeHist(gray_frame, gray_frame);

        face_cascade.detectMultiScale(gray_frame, faces, 1.1, 2, 0|CASCADE_SCALE_IMAGE, Size(30, 30));

        for(size_t i=0;i<faces.size();i++){
            rectangle(frame, Point(faces[i].x, faces[i].y), Point(faces[i].x + faces[i].width, faces[i].y + faces[i].height), Scalar(255, 0, 0));
        }

        imshow("Face Detection", frame);
        
        if(waitKey(30)>=0) break;
    } 

    return 0;
}

此段代码实现了基本的人脸检测功能[^1]。通过调用`CascadeClassifier::detectMultiScale()`函数来查找图像中的所有人脸位置，并绘制矩形框标记出来。

#### 基于Python的对象跟踪器
另一个有趣的案例是在Python环境下构建对象追踪系统。这里给出了一种基于卡尔曼滤波算法的方法：

import numpy as np
import cv2 as cv

cap = cv.VideoCapture('slow.flv')

# 定义参数用于创建Kalman Filter
kalman = cv.KalmanFilter(4, 2)
kalman.measurementMatrix = np.array([[1, 0, 0, 0], [0, 1, 0, 0]], np.float32)
kalman.transitionMatrix = np.array([[1, 0, 1, 0], [0, 1, 0, 1], [0, 0, 1, 0], [0, 0, 0, 1]], np.float32)

while True:
    ret, frame = cap.read()
    if not ret: break
    
    # 进行预测更新...
    prediction = kalman.predict()

    # 获取测量值（例如鼠标点击的位置）
    measurement = ...

    # 更新状态估计
    posterior = kalman.correct(measurement)

    ...

这段脚本演示了如何设置和使用OpenCV内置的卡尔曼滤波器来进行目标物体轨迹预测。