计算机视觉、数字图像处理等领域相关资源

（1）googleResearch； http://research.google.com/index.html
（2）MIT博士，汤晓欧学生林达华； http://people.csail.mit.edu/dhlin/index.html
（3）MIT博士后Douglas Lanman； http://web.media.mit.edu/~dlanman/
（4）OpenCV中文网站； http://www.opencv.org.cn/index.php/%E9%A6%96%E9%A1%B5
（5）Stanford大学vision实验室； http://vision.stanford.edu/research.html
（6）Stanford大学博士崔靖宇； http://www.stanford.edu/~jycui/
（7）UCLA教授朱松纯； http://www.stat.ucla.edu/~sczhu/
（8）中国人工智能网； http://www.chinaai.org/
（9）中国视觉网； http://www.china-vision.net/
（10）中科院自动化所； http://www.ia.cas.cn/
（11）中科院自动化所李子青研究员； http://www.cbsr.ia.ac.cn/users/szli/
（12）中科院计算所山世光研究员； http://www.jdl.ac.cn/user/sgshan/
（13）人脸识别主页； http://www.face-rec.org/
（14）加州大学伯克利分校CV小组；http://www.eecs.berkeley.edu/Research/Projects/CS/vision/

（15）南加州大学CV实验室； http://iris.usc.edu/USC-Computer-Vision.html
（16）卡内基梅隆大学CV主页；

http://www.cs.cmu.edu/afs/cs/project/cil/ftp/html/vision.html

（17）微软CV研究员Richard Szeliski；http://research.microsoft.com/en-us/um/people/szeliski/
（18）微软亚洲研究院计算机视觉研究组； http://research.microsoft.com/en-us/groups/vc/
（19）微软剑桥研究院ML与CV研究组； http://research.microsoft.com/en-us/groups/mlp/default.aspx

（20）研学论坛； http://bbs.matwav.com/
（21）美国Rutgers大学助理教授刘青山； http://www.research.rutgers.edu/~qsliu/
（22）计算机视觉最新资讯网； http://www.cvchina.info/
（23）运动检测、阴影、跟踪的测试视频下载；http://apps.hi.baidu.com/share/detail/18903287
（24）香港中文大学助理教授王晓刚； http://www.ee.cuhk.edu.hk/~xgwang/
(25)香港中文大学多媒体实验室（汤晓鸥）; http://mmlab.ie.cuhk.edu.hk/
(26)U.C. San Diego. computer vision;http://vision.ucsd.edu/content/home
(27)CVonline; http://homepages.inf.ed.ac.uk/rbf/CVonline/
(28)computer vision software; http://peipa.essex.ac.uk/info/software.html
(29)Computer Vision Resource; http://www.cvpapers.com/
(30)computer vision research groups;http://peipa.essex.ac.uk/info/groups.html
(31)computer vision center; http://computervisioncentral.com/cvcnews

(32)浙江大学图像技术研究与应用（ITRA）团队：http://www.dvzju.com/

(33)自动识别网：http://www.autoid-china.com.cn/

(34)清华大学章毓晋教授：http://www.tsinghua.edu.cn/publish/ee/4157/2010/20101217173552339241557/20101217173552339241557_.html

(35)顶级民用机器人研究小组Porf.Gary领导的Willow Garage:http://www.willowgarage.com/

(36)上海交通大学图像处理与模式识别研究所：http://www.pami.sjtu.edu.cn/

(37)上海交通大学计算机视觉实验室刘允才教授：http://www.visionlab.sjtu.edu.cn/

(38)德克萨斯州大学奥斯汀分校助理教授Kristen Grauman ：http://www.cs.utexas.edu/~grauman/ 图像分解，检索

(39)清华大学电子工程系智能图文信息处理实验室（丁晓青教授）：http://ocrserv.ee.tsinghua.edu.cn/auto/index.asp

(40)北京大学高文教授：http://www.jdl.ac.cn/htm-gaowen/

(41)清华大学艾海舟教授：http://media.cs.tsinghua.edu.cn/cn/aihz

(42)中科院生物识别与安全技术研究中心：http://www.cbsr.ia.ac.cn/china/index%20CH.asp

(43)瑞士巴塞尔大学 Thomas Vetter教授：http://informatik.unibas.ch/personen/vetter_t.html

(44)俄勒冈州立大学 Rob Hess博士：http://blogs.oregonstate.edu/hess/

(45)深圳大学 于仕祺副教授：http://yushiqi.cn/

(46)西安交通大学人工智能与机器人研究所：http://www.aiar.xjtu.edu.cn/

(47)卡内基梅隆大学研究员Robert T. Collins:http://www.cs.cmu.edu/~rcollins/home.html#Background

(48)MIT博士Chris Stauffer:http://people.csail.mit.edu/stauffer/Home/index.php

(49)美国密歇根州立大学生物识别研究组(Anil K. Jain教授)：http://www.cse.msu.edu/rgroups/biometrics/

(50)美国伊利诺伊州立大学Thomas S. Huang:http://www.beckman.illinois.edu/directory/t-huang1

(51)武汉大学数字摄影测量与计算机视觉研究中心：http://www.whudpcv.cn/index.asp

(52)瑞士巴塞尔大学Sami Romdhani助理研究员：http://informatik.unibas.ch/personen/romdhani_sami/

(53)CMU大学研究员Yang Wang:http://www.cs.cmu.edu/~wangy/home.html

(54)英国曼彻斯特大学Tim Cootes教授：http://personalpages.manchester.ac.uk/staff/timothy.f.cootes/

(55)美国罗彻斯特大学教授Jiebo Luo:http://www.cs.rochester.edu/u/jluo/

(56)美国普渡大学机器人视觉实验室：https://engineering.purdue.edu/RVL/Welcome.html

(57)美国宾利州立大学感知、运动与认识实验室：http://vision.cse.psu.edu/home/home.shtml

(58)美国宾夕法尼亚大学GRASP实验室：https://www.grasp.upenn.edu/

(59)美国内达华大学里诺校区CV实验室：http://www.cse.unr.edu/CVL/index.php

(60)美国密西根大学vision实验室：http://www.eecs.umich.edu/vision/index.html

(61)University of Massachusetts(麻省大学),视觉实验室：http://vis-www.cs.umass.edu/index.html

(62)华盛顿大学博士后Iva Kemelmacher:http://www.cs.washington.edu/homes/kemelmi

(63)以色列魏茨曼科技大学Ronen Basri:http://www.wisdom.weizmann.ac.il/~ronen/index.html

(64)瑞士ETH-Zurich大学CV实验室：http://www.vision.ee.ethz.ch/boostingTrackers/index.htm

(65)微软CV研究员张正友：http://research.microsoft.com/en-us/um/people/zhang/

(66)中科院自动化所医学影像研究室：http://www.3dmed.net/

(67)中科院田捷研究员：http://www.3dmed.net/tian/

(68)微软Redmond研究院研究员Simon Baker:http://research.microsoft.com/en-us/people/sbaker/

(69)普林斯顿大学教授李凯：http://www.cs.princeton.edu/~li/
(70)普林斯顿大学博士贾登：http://www.cs.princeton.edu/~jiadeng/
(71)牛津大学教授Andrew Zisserman： http://www.robots.ox.ac.uk/~az/
(72)英国leeds大学研究员Mark Everingham:http://www.comp.leeds.ac.uk/me/
(73)英国爱丁堡大学教授Chris William: http://homepages.inf.ed.ac.uk/ckiw/
(74)微软剑桥研究院研究员John Winn: http://johnwinn.org/
(75)佐治亚理工学院教授Monson H.Hayes：http://savannah.gatech.edu/people/mhayes/index.html
(76)微软亚洲研究院研究员孙剑：http://research.microsoft.com/en-us/people/jiansun/
(77)微软亚洲研究院研究员马毅：http://research.microsoft.com/en-us/people/mayi/
(78)英国哥伦比亚大学教授David Lowe: http://www.cs.ubc.ca/~lowe/
(79)英国爱丁堡大学教授Bob Fisher: http://homepages.inf.ed.ac.uk/rbf/
(80)加州大学圣地亚哥分校教授Serge J.Belongie:http://cseweb.ucsd.edu/~sjb/
(81)威斯康星大学教授Charles R.Dyer: http://pages.cs.wisc.edu/~dyer/
(82)多伦多大学教授Allan.Jepson: http://www.cs.toronto.edu/~jepson/
(83)伦斯勒理工学院教授Qiang Ji: http://www.ecse.rpi.edu/~qji/
(84)CMU研究员Daniel Huber: http://www.ri.cmu.edu/person.html?person_id=123
(85)多伦多大学教授：David J.Fleet: http://www.cs.toronto.edu/~fleet/
(86)伦敦大学玛丽女王学院教授Andrea Cavallaro:http://www.eecs.qmul.ac.uk/~andrea/
(87)多伦多大学教授Kyros Kutulakos: http://www.cs.toronto.edu/~kyros/
(88)杜克大学教授Carlo Tomasi: http://www.cs.duke.edu/~tomasi/
(89)CMU教授Martial Hebert: http://www.cs.cmu.edu/~hebert/
(90)MIT助理教授Antonio Torralba: http://web.mit.edu/torralba/www/
(91)马里兰大学研究员Yasel Yacoob: http://www.umiacs.umd.edu/users/yaser/
(92)康奈尔大学教授Ramin Zabih: http://www.cs.cornell.edu/~rdz/

(93)CMU博士田渊栋: http://www.cs.cmu.edu/~yuandong/
(94)CMU副教授Srinivasa Narasimhan: http://www.cs.cmu.edu/~srinivas/
(95)CMU大学ILIM实验室：http://www.cs.cmu.edu/~ILIM/
(96)哥伦比亚大学教授Sheer K.Nayar: http://www.cs.columbia.edu/~nayar/
(97)三菱电子研究院研究员Fatih Porikli ：http://www.porikli.com/
(98)康奈尔大学教授Daniel Huttenlocher：http://www.cs.cornell.edu/~dph/
(99)南京大学教授周志华：http://cs.nju.edu.cn/zhouzh/index.htm
(100)芝加哥丰田技术研究所助理教授Devi Parikh: http://ttic.uchicago.edu/~dparikh/index.html
(101)瑞士联邦理工学院博士后Helmut Grabner:http://www.vision.ee.ethz.ch/~hegrabne/#Short_CV

(102)香港中文大学教授贾佳亚：http://www.cse.cuhk.edu.hk/~leojia/index.html

(103)南京大学教授吴建鑫：http://c2inet.sce.ntu.edu.sg/Jianxin/index.html

(104)GE研究院研究员李关：http://www.cs.unc.edu/~lguan/

(105)佐治亚理工学院教授Monson Hayes:http://savannah.gatech.edu/people/mhayes/

(106)图片检索国际竞赛PASCAL VOC(微软剑桥研究院组织):http://pascallin.ecs.soton.ac.uk/challenges/VOC/

(107)机器视觉开源处理库汇总：http://archive.cnblogs.com/a/2217609/

(108)布朗大学教授Benjamin Kimia: http://www.lems.brown.edu/kimia.html 

(109)数据堂-图像处理相关的样本数据：http://www.datatang.com/data/list/602026/p1

(110)东软基于CV的汽车辅助驾驶系统：http://www.neusoft.com/cn/solutions/1047/

(111)马里兰大学教授Rema Chellappa:http://www.cfar.umd.edu/~rama/

(112)芝加哥丰田研究中心助理教授Devi Parikh：http://ttic.uchicago.edu/~dparikh/index.html

(113)宾夕法尼亚大学助理教授石建波：http://www.cis.upenn.edu/~jshi/

(114)比利时鲁汶大学教授Luc Van Gool：http://www.vision.ee.ethz.ch/members/get_member.cgi?id=1, http://www.vision.ee.ethz.ch/~vangool/

(115)行人检测主页：http://www.pedestrian-detection.com/

(116)法国学习算法与系统实验室Basilio Noris博士：http://lasa.epfl.ch/people/member.php?SCIPER=129576 http://mldemos.epfl.ch/

(117)美国马里兰大学LARRY S.DAVIS教授：http://www.umiacs.umd.edu/~lsd/

(118)计算机视觉论文分类导航：http://www.visionbib.com/bibliography/contents.html

(119)计算机视觉分类信息导航：http://www.visionbib.com/

(120)西班牙马德里理工大学博士Marcos Nieto：http://marcosnieto.net/

(121)香港理工大学副教授张磊：http://www4.comp.polyu.edu.hk/~cslzhang/

(122)以色列技术学院教授Michael Elad：http://www.cs.technion.ac.il/~elad/

(123)韩国启明大学计算机视觉与模式识别实验室：http://cvpr.kmu.ac.kr/

(124)英国诺丁汉大学Michel Valstar博士：http://www.cs.nott.ac.uk/~mfv/

(125)卡内基梅隆大学Takeo Kanade教授:http://www.ri.cmu.edu/people/kanade_takeo.html

(126)微软学术搜索：http://libra.msra.cn/

(127)比利时天主教鲁汶大学Radu Timofte博士：http://homes.esat.kuleuven.be/~rtimofte/，交通标志检测，定位，3D跟踪

(128)迪斯尼匹兹堡研究院研究员：Iain Matthews:http://www.iainm.com/iainm/Home.html

http://www.ri.cmu.edu/person.html?type=publications&person_id=741 AAM,三维重建

（129）康奈尔大学视觉与图像分析组：http://www.via.cornell.edu/ 医学图像处理

（130）密西根州立大学生物识别研究组：http://www.cse.msu.edu/biometrics/ 人脸识别、指纹识别、图像检索
（131）柏林科技大学计算机视觉与遥感实验室：http://www.cv.tu-berlin.de/menue/computer_vision_remote_sensing/parameter/en/ 图像分析、物体重建、基于图像的表面测量、医学图像处理

（132）英国布里斯托大学数字多媒体研究组：http://www.cs.bris.ac.uk/Research/Digitalmedia/ 运动检测与跟踪、视频压缩、3D重建、字符定位

（133）英国萨利大学视觉、语音与信号处理中心： http://www.surrey.ac.uk/cvssp/   人脸识别、监控、3D、视频检索、
（134）北卡莱罗纳大学教堂山分校Marc Pollefeys教授：http://www.cs.unc.edu/~marc/ 基于视频的3D模型生成、相机标定、运动检测与分析、3D重建

（135）澳大利亚国立大学Richard Hartley教授：http://users.cecs.anu.edu.au/~hartley/ 运动估计、稀疏子空间、跟踪、

（136）百度技术副总监于凯：http://www.dbs.ifi.lmu.de/~yu_k/ 深度学习，稀疏表示，图像分类

（137）西安电子科技大学高新波教授：http://web.xidian.edu.cn/xbgao/index.html 质量评判、水印、稀疏表示、超分辨率

（138）加州大学伯克利分校Michael I.Jordan教授：http://www.cs.berkeley.edu/~jordan/ 机器学习

（139）加州理工行人检测相关资料：http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/

（140）微软Redmond研究院研究员Piotr Dollar: http://vision.ucsd.edu/~pdollar/ 行人检测、特征提取、

（141）视觉计算研究论坛：http://www.sigvc.org/bbs/ 中科院视觉计算研究小组的论坛

（142）美国坦桑尼亚州立大学稀疏学习软件包：http://www.public.asu.edu/~jye02/Software/SLEP/index.htm 稀疏学习

（143）美国加州大学圣地亚哥分校Jacob Whitehill博士：http://mplab.ucsd.edu/~jake/ 机器学习

（144）美国布朗大学Michael J.Black教授：http://cs.brown.edu/~black/  人的姿态估计和跟踪

（145）美国加州大学圣地亚哥分校David Kriegman教授：http://cseweb.ucsd.edu/~kriegman/ 人脸识别

（146）南加州大学Paul Debevec教授：http://ict.debevec.org/~debevec/ 或 http://www.pauldebevec.com/ 将CV和CG结合研究 人脸捕捉重建技术

（147）伊利诺伊大学D.A.Forsyth教授：http://luthuli.cs.uiuc.edu/~daf/ 三维重建

（148）英国牛津大学Ian Reid教授：http://www.robots.ox.ac.uk/~ian/ 跟踪和机器人导航

（149）CMU大学Alyosha Efros 教授: https://www.cs.cmu.edu/~efros/ 图像纹理合成

（150）加州大学伯克利分校Jitendra Malik教授：http://www.cs.berkeley.edu/~malik/ 轮廓检测、图像/视频分割、图形匹配、目标识别

（151）MIT教授William Freeman： http://people.csail.mit.edu/billf/ 图像纹理合成

（152）CMU博士Henry Schneiderman： http://www.cs.cmu.edu/~hws/ 目标检测和识别；

（153）微软研究员Paul Viola: http://research.microsoft.com/en-us/um/people/viola/ AdaBoost算法

（154）微软研究员Antonio Criminisi: http://research.microsoft.com/en-us/people/antcrim/ 图像修补，三维重建，目标检测与跟踪；

（155）魏茨曼科学研究所教授Michal Irani: http://www.wisdom.weizmann.ac.il/~irani/ 超分辨率

（156）瑞士洛桑理工学院Pascal Fua教授：http://people.epfl.ch/pascal.fua/bio?lang=en 立体视觉，增强现实

（157）佐治亚理工学院Irfan Essa教授：http://www.ic.gatech.edu/people/irfan-essa 人脸表情识别

（158）中科院助理教授樊彬：http://www.sigvc.org/bfan/ 特征描述；

（159）斯坦福大学Sebastian Thrun教授：http://robots.stanford.edu/index.html 机器人；

（160）多伦多大学Geoffrey E.Hinton教授：http://www.cs.toronto.edu/~hinton/ 深度学习

（161）凤巢系统架构师张栋博士：http://weibo.com/machinelearning

（162）2012年龙星计划机器学习课程：http://bigeye.au.tsinghua.edu.cn/DragonStar2012/index.html

（163）中科院自动化所肖柏华教授：http://www.compsys.ia.ac.cn/people/xiaobaihua.html 文字识别、人脸识别、质量评判

（164）图像视频质量评判：http://live.ece.utexas.edu/research/quality/

（165）纽约大学Yann LeCun教授http://yann.lecun.com/   http://yann.lecun.com/exdb/mnist/  手写体数字识别

（166）二维条码识别开源库zxing：http://code.google.com/p/zxing/

（167）布朗大学Pedro Felzenszwalb教授：http://cs.brown.edu/~pff/ 特征提取，Deformable Part Model

（168）伊利诺伊香槟大学Svetlana Lazebnik教授：http://www.cs.illinois.edu/homes/slazebni/ 特征提取，聚类，图像检索

（169）荷兰乌德勒支大学图像与多媒体研究中心http://www.cs.uu.nl/centers/give/multimedia/index.html 图像、多媒体检索与匹配

（170）英国格拉斯哥大学信息检索小组：http://ir.dcs.gla.ac.uk/ 文本、图像、视频检索

（171）中科院自动化所孙哲南助理教书：http://www.cbsr.ia.ac.cn/users/znsun/ 虹膜识别、掌纹识别、人脸识别

（172）南京信息工程大学刘青山教授：http://www.jstuoke.com/web/xky/detail.asp?NewsID=1096 人脸图像分析、医学图像分析

（173）清华大学助理教授冯建江：http://ivg.au.tsinghua.edu.cn/~jfeng/ 指纹识别

（174）北航助理教授黄迪：http://irip.buaa.edu.cn/~dihuang/ 3D人脸识别

（175）中山大学助理教授郑伟诗：http://sist.sysu.edu.cn/~zhwshi/ 人脸识别、特征匹配、聚类、检索；

（176）google瑞士苏黎世的工程师Thomas Deselaers: http://thomas.deselaers.de/index.html 图像检索

（177）百度深度学习研究中心博士后余轶南：http://www.cbsr.ia.ac.cn/users/ynyu/index.htm 目标检测，图像检索

（178）威兹曼科技大学超分辨率：http://www.wisdom.weizmann.ac.il/~vision/SingleImageSR.html

（179）德克萨斯大学奥斯汀分校Al Bovik教授：http://live.ece.utexas.edu/people/bovik/ 图像视频质量判别、特征提取

（180）以色列希伯来大学Yair Weiss教授：http://www.cs.huji.ac.il/~yweiss/ 机器学习、超分辨率

（181）以色列希伯来大学Daniel Zoran博士：http://www.cs.huji.ac.il/~daniez/ 超分辨率、去噪

（182）美国加州大学Peyman Milanfar教授：http://users.soe.ucsc.edu/~milanfar/ 去噪

（183）中科院计算所副研究员常虹：http://www.jdl.ac.cn/user/hchang/index.html 图像检索、半监督学习、超分辨率

（184）以色列威茨曼大学Anat Levin教授：http://www.wisdom.weizmann.ac.il/~levina/ 去噪、去模糊

（185）以色列威茨曼大学Daniel Glasner博士后：http://www.wisdom.weizmann.ac.il/~glasner/ 超分辨率、分割、姿态估计

（186）密西根大学助理教授Honglak Lee: http://web.eecs.umich.edu/~honglak/ 机器学习、特征提取，去噪、稀疏表示；

（187）MIT周博磊博士：http://people.csail.mit.edu/bzhou/ 聚集分析、运动检测

（188）美国田纳西大学Li He博士：http://web.eecs.utk.edu/~lhe4/ 稀疏表示、超分辨率；

（189）Adobe研究院Jianchao Yang研究员：http://www.ifp.illinois.edu/~jyang29/ 稀疏表示，超分辨率、图片检索、去噪、去模糊

（190）Deep Learning主页：http://deeplearning.net/ 深度学习论文、软件，代码，demo，数据等；

（191）斯坦福大学Andrew Ng教授：http://cs.stanford.edu/people/ang/ 深度神经网络，深度学习

（192）Elefant: http://elefant.developer.nicta.com.au/ 机器学习开源库

（193）微软研究员Ce Liu: http://people.csail.mit.edu/celiu/ 去噪、超分辨率、去模糊、分割

（194）West Virginia大学助理教授Xin Li: http://www.csee.wvu.edu/~xinl/ 边缘检测、降噪、去模糊

（195）http://www.csee.wvu.edu/~xinl/source.html 深度学习、去噪、编码、压缩感知、超分辨率、聚类、分割等相关代码集合

（196）西班牙格拉纳达大学超分辨率重建项目组：http://decsai.ugr.es/pi/superresolution/index.html

（197）清华大学程明明博士：http://mmcheng.net/ 图像分割、检索

（198）牛津布鲁克斯大学Philip H.S.Torr教授：http://cms.brookes.ac.uk/staff/PhilipTorr/ 分割、三维重建

（199）佐治亚理工学院James M.Rehg教授：http://www.cc.gatech.edu/~rehg/ 分割、行人检测、特征描述、

（200）大规模图像分类、检测竞赛ILSVRC（Stanford, Google举办）:

 http://www.image-net.org/challenges/LSVRC/2013/

（201）加州大学尔湾分校Deva Ramanan助理教授：http://www.ics.uci.edu/~dramanan/ 目标检测，行人检测，跟踪、稀疏表示

（202）人脸识别测试图片集：http://www.mlcv.net/

（203）美国西北大学博士Ming Yang: http://www.ece.northwestern.edu/~mya671/ 人脸识别、图像检索；

（204）美国加州大学伯克利分校博士后Ross B.Girshick：http://www.cs.berkeley.edu/~rbg/ 目标检测（DPM）

（205）中文语言资源联盟：http://www.chineseldc.org/index.html  内有很多语言识别、字符识别的训练，测试库；

（206）西班牙巴塞罗那大学计算机视觉中心：http://www.cvc.uab.es/adas/site/ 检测、跟踪、3D、行人检测、汽车辅助驾驶

（207）德国戴姆勒研究所Prof. Dr. Dariu M. Gavrila：http://www.gavrila.NET/index.html 跟踪、行人检测、

（208）苏黎世联邦理工学院Andreas Ess博士后：http://www.vision.ee.ethz.ch/~aess/ 行人检测、行为检测、跟踪

（209）Libqrencode: http://fukuchi.org/works/qrencode/ 基于C语言的QR二维码编码开源库

 

 

以下来自：http://www.cnblogs.com/tornadomeet   感谢 tornadomeet 

 

跟opencv相关的：

http://opencv.org/

2012年7月4日随着opencv2.4.2版本的发布，opencv更改了其最新的官方网站地址。

http://www.opencvchina.com/

好像12年才有这个论坛的，比较新。里面有针对《learning opencv》这本书的视频讲解，不过视频教学还没出完，正在更新中。对刚入门学习opencv的人来说很不错。

http://www.opencv.org.cn/forum/

opencv中文论坛，对于初次接触opencv的学者来说比较不错，入门资料多，opencv的各种英文文档也翻译成中文了。不足是感觉这个论坛上发帖提问很少人回答，也就是说讨论不够激烈。

http://code.opencv.org/projects/opencv

opencv版本bug修补，版本更新，以及各种相关大型活动安排,还包含了opencv最近几个月内的活动路线，即未来将增加的功能等，可以掌握各种关于opencv进展情况的最新进展。

http://tech.groups.yahoo.com/group/OpenCV/

opencv雅虎邮件列表，据说是最好的opencv论坛，信息更新最新的地方。不过个人认为要查找相关主题的内容，在邮件列表中非常不方便。

http://www.cmlab.csie.ntu.edu.tw/~jsyeh/wiki/doku.php

台湾大学暑假集训网站，内有链接到与opencv集训相关的网页。感觉这种教育形式还蛮不错的。

http://sourceforge.net/projects/opencvlibrary/

opencv版本发布地方。

http://code.opencv.org/projects/opencv/wiki/ChangeLog#241http://opencv.willowgarage.com/wiki/OpenCV%20Change%20Logs

opencv版本内容更改日志网页,前面那个网页更新最快。

http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/tutorials.html

opencv中文教程网页，分几个模块讲解，有代码有过程。内容是网友翻译opencv自带的doc文件里的。

https://netfiles.uiuc.edu/jbhuang1/www/resources/vision/index.html

网友总结的常用带有cvpr领域常见算法code链接的网址，感觉非常的不错。

http://opencv.itseez.com/

opencv的函数、类等查找网页，有导航，查起来感觉不错。

其他网友cvpr领域的链接总结：

http://www.cnblogs.com/kshenf/

网友整理常用牛人链接总结，非常多。不过个人没有没有每个网站都去试过。所以本文也是我自己总结自己曾经用过的或体会过的。

cvpr综合网站论坛博客等：

http://www.cvchina.net/

中国计算机视觉论坛

http://www.cvchina.info/

这个博客很不错，每次看完都能让人兴奋，因为有很多关于cv领域的科技新闻，还时不时有视频显示。另外这个博客里面的资源也整理得相当不错。中文的。

http://www.bfcat.com/

一位网友的个人计算机视觉博客，有很多关于计算机视觉前沿的东西介绍，与上面的博客一样，看了也能让人兴奋。

http://blog.csdn.net/v_JULY_v/

牛人博客，主攻数据结构，机器学习数据挖掘算法等。

国内科研团队和牛人网页：

http://vision.ia.ac.cn/zh/index_cn.html

中科院自动化所机器视觉课题小组，有相关数据库、论文、课件等下载。

http://www.cbsr.ia.ac.cn/users/szli/

李子青教授个人主页，中科院自动化所cvpr领域牛叉人！

http://www4.comp.polyu.edu.hk/~cslzhang/

香港理工大学教授lei zhang个人主页，也是cvpr领域一大牛人啊，cvpr，iccv各种发表。更重要的是他所以牛叉论文的code全部公开，非常难得！

http://liama.ia.ac.cn/wiki/start

中法信息、自动化与应用联合实验室，里面很多内容不仅限而cvpr，还有ai领域一些其他的研究。

http://www.cogsci.xmu.edu.cn/cvl/english/

厦门大学特聘教授，cv领域一位牛人。研究方向主要为目标检测，目标跟踪，运动估计，三维重建，鲁棒统计学，光流计算等。

http://idm.pku.edu.cn/index.aspx

北京大学数字视频编码技术国家实验室。

http://www.csie.ntu.edu.tw/~cjlin/libsvm/

libsvm项目网址，台湾大学的，很火！

http://www.jdl.ac.cn/user/sgshan/index.htm

山世光，人脸识别研究比较牛。在中国科学院智能信息处理重点实验室

国外科研团队和牛人网页：

https://netfiles.uiuc.edu/jbhuang1/www/resources/vision/index.html

常见计算机视觉资源整理索引，国外学者整理，全是出名的算法，并且带有代码的，这个非常有帮助，其链接都是相关领域很火的代码。

http://www.cs.cmu.edu/afs/cs/project/cil/ftp/html/txtv-groups.html

国外学者整理的各高校研究所团队网站

http://research.microsoft.com/en-us/groups/vision/

微软视觉研究小组，不解释，大家懂的，牛！

http://lear.inrialpes.fr/index.php

法国国家信息与自动化研究所，有对应牛人的链接，论文项目网页链接，且一些code对应链接等。

http://www.cs.ubc.ca/~pcarbo/objrecls/

Learning to recognize objects with little supervision该篇论文的项目网页，有对应的code下载，另附有详细说明。

http://www.eecs.berkeley.edu/~lbourdev/poselets/

poselets相关研究界面，关于poselets的第一手资料。

http://www.cse.oulu.fi/CMV/Research

芬兰奥卢大学计算机科学与工程学院网页，里面有很多cv领域相关的研究，比如说人脸，脸部表情，人体行为识别，跟踪，人机交互等cv基本都涉及有。

http://www.cs.cmu.edu/~cil/vision.html

卡耐基梅隆大学计算机视觉主页，内容非常多。可惜的是该网站内容只更新到了2004年。

http://vision.stanford.edu/index.html

斯坦福大学计算机视觉主页，里面有非常非常多的牛人，比如说大家熟悉的lifeifei.

http://www.wavelet.org/index.php

关于wavelet研究的网页。

http://civs.ucla.edu/

加州大学洛杉矶分校统计学院，关于统计学习方面各种资料，且有相应的网上公开课。

http://www.cs.cmu.edu/~efros/

卡耐基梅隆大学Alexei(Alyosha)Efros教授个人网站，计算机图形学高手。

http://web.mit.edu/torralba/www//

mit牛人Associate教授个人网址，主要研究计算机视觉人体视觉感知，目标识别和场景理解等。

http://people.csail.mit.edu/billf/

mit牛人William T. Freeman教授，主要研究计算机视觉和图像学

http://www.research.ibm.com/peoplevision/

IBM人体视觉研究中心，里面除了有其研究小组的最新成果外，还有很多测试数据(特别是视频）供下载。

http://www.vlfeat.org/

vlfeat主页，vlfeat也是一个开源组织，主要定位在一些最流行的视觉算法开源上，Ｃ编写，其很多算法效果比opencv要好,不过数量不全，但是非常有用。

http://www.robots.ox.ac.uk/~az/

Andrew Zisserman的个人主页，这人大家应该熟悉，《计算机视觉中的多视几何》这本神书的作者之一。

http://www.cs.utexas.edu/~grauman/

KristenGrauman教授的个人主页，是个大美女，且是2011年“马尔奖”获得者，”马尔奖“大家都懂的，计算机视觉领域的最高奖项，目前无一个国内学者获得过。她的主要研究方法是视觉识别。

http://groups.csail.mit.edu/vision/welcome/

mit视觉实验室主页。

http://code.google.com/p/sixthsense/

曾经在网络上非常出名一个视频，一个作者研究的第六感装置，现在这个就是其开源的主页。

http://vision.ucsd.edu/~pdollar/research.html#BehaviorRecognitionAnimalBehavior

Piotr Dollar的个人主要，主要研究方向是人体行为识别。

http://www.mmp.rwth-aachen.de/

移动多媒体处理，将移动设备，计算机图像学，视觉，图像处理等结合的领域。

http://www.di.ens.fr/~laptev/index.html

Ivan Laptev牛人主页，主要研究人体行为识别。有很多数据库可以下载。

http://blogs.oregonstate.edu/hess/

Rob Hess的个人主要，里面有源码下载，比如说粒子滤波，他写的粒子滤波在网上很火。

http://morethantechnical.googlecode.com/svn/trunk/

cvpr领域一些小型的开源代码。

http://iica.de/pd/index.py

做行人检测的一个团队，内部有一些行人检测的代码下载。

http://www.cs.utexas.edu/~grauman/research/pubs.html

UT-Austin计算机视觉小组，包含的视觉研究方向比较广，且有的文章有源码，你只需要填一个邮箱地址，系统会自动发跟源码相关的信息过来。

书籍相关网页：

http://www.imageprocessingplace.com/index.htm

冈萨雷斯的《数字图像处理》一书网站，包含课程材料，matlab图像处理工具包，课件ppt等相关素材。

期刊会议论文下载：

http://cvpapers.com/

几个顶级会议论文公开下载界面，比如说ICCV,CVPR,ECCV,ACCV,ICPR,SIGGRAPH等。

http://www.cvpr2012.org/

cvpr2012的官方地址，里面有各种资料和信息，其他年份的地址类似推理更改即可。

http://www.sciencedirect.com/science/journal/02628856

ICV期刊下载

会议期刊相关信息：

http://conferences.visionbib.com/Iris-Conferences.html

该网页列出了图像处理，计算机视觉领域相关几乎所有比较出名的会议时间表。

cvpr相关数据库下载：

http://research.microsoft.com/en-us/um/people/jckrumm/WallFlower/TestImages.htm

微软研究院牛人Wallflower Paper的论文中用到的目标检测等测试图片

http://archive.ics.uci.edu/ml/

UCI数据库列表下载，最常用的机器学习数据库列表。

http://www.cs.rochester.edu/~rmessing/uradl/

人体行为识别通过关键点的跟踪视频数据库，Rochester university的

http://www.research.ibm.com/peoplevision/performanceevaluation.html

IBM人体视觉研究中心，有视频监控等非常多的测试视频。

AI相关娱乐网页：

http://en.akinator.com/

该网站很好玩，可以测试你心里想出的一个人名(当然前提是这个人必须有一定的知名度)，然后该网站会提出一系列的问题，你可以选择yes or no,or I don’t know等等，最后系统会显示你心中所想的那个人。

http://www.doggelganger.co.nz/

人与狗的匹配游戏，摄像头采集人脸，呵呵…

工具和code下载：

http://lear.inrialpes.fr/people/dorko/downloads.html

6种常见的图像特征点检测子，Linux下环境运行。不过只提供了二进制文件，不提供源码。

http://www.cs.ubc.ca/~pcarbo/objrecls/index.html#code

ssmcmc的matlab代码,是Learning to recognize objects with little supervision这一系列文章用的源码，属于目标识别方面的研究。

http://www.robots.ox.ac.uk/~timork/

仿射无关尺度特征点检测算子源码，还有些其它算子的源码或二进制文件。

http://www.vision.ee.ethz.ch/~bleibe/code/ism.html

隐式形状模型(ISM)项目主页，作者Bastian Leibe提供了linux下运行的二进制文件。

http://www.di.ens.fr/~laptev/download.html#stip

Ivan Laptev牛人主页中的STIP特征点检测code，但是也只是有二进制文件，无源码。该特征点在行为识别中该特征点非常有名。

http://ai.stanford.edu/~quocle/

斯坦福大学Quoc V.Le主页，上有它2011年行为识别文章的代码。

 

 

以下来自：http://blog.csdn.Net/augusdi/article/details/8865621      感谢：Augusdi

 

C.1 数据集

一个关键就是用富有挑战和典型的数据集来测试你算法的可靠性。当有背景或者他人的结果是可行的,这种测试可能甚至包含更多的信息(和质量更好)。

经过这些年，大量的数据集已经被提出来用于测试和评估计算机视觉算法。许多这些数据集和软件被编入了计算机视觉的主页。一些更新的网址，像CVonline

(http://homepages.inf.ed.ac.uk/rbf/CVonline ), VisionBib.Com (http://datasets.visionbib.com/ ), and Computer Vision online (http://computervisiononline.com/ ), 有更多最新的数据集和软件。

下面，我列出了一些用的最多的数据集，我将它们让章节排列以便它们联系更紧密。

第二章：图像信息

CUReT: Columbia-Utrecht 反射率和纹理数据库Reflectance and TextureDatabase,http://www1.cs.columbia.edu/CAVE/software/curet/ (Dana, van Ginneken, Nayaret al. 1999).

Middlebury Color Datasets:不同摄像机拍摄的图像，注册后用于研究不同的摄像机怎么改变色域和彩色registeredcolor images taken by different cameras to study how they transform gamuts andcolors, http://vision.middlebury.edu/color/data/ Chakrabarti, Scharstein, and Zickler 2009).

第三章：图像处理

Middlebury test datasets forevaluating MRF minimization/inference algorithms评估隐马尔科夫随机场最小化和推断算法,

http://vision.middlebury.edu/MRF/results/ (Szeliski, Zabih, Scharstein et al. 2008).

第四章：特征检测和匹配

Affine Covariant Featuresdatabase（反射协变的特征数据集） for evaluating feature detector and descriptor matching quality andrepeatability（评估特征检测和描述匹配的质量和定位精度）, http://www.robots.ox.ac.uk/~vgg/research/affine/

(Miko-lajczyk and Schmid 2005;Mikolajczyk, Tuytelaars, Schmid et al. 2005).

Database of matched imagepatches for learning （图像斑块匹配学习数据库）and feature descriptor evaluation（特征描述评估数据库）,

http://cvlab.epfl.ch/~brown/patchdata/patchdata.html

(Winder and Brown 2007;Hua,Brown, and Winder 2007).

第五章;分割

BerkeleySegmentation Dataset（分割数据库） and Benchmark of 1000 images labeled by 30 humans,（30个人标记的1000副基准图像）along with an evaluation,http://www.eecs.berkeley.edu/Research/Projects/CS/vision/grouping/segbench/(Martin, Fowlkes, Tal et al.2001).

Weizmann segmentationevaluation database of 100 grayscale images with ground truth segmentations,

http://www.wisdom.weizmann.ac.il/~vision/Seg EvaluationDB/index.html

(Alpert, Galun, Basri et al. 2007).

第八章：稠密运动估计

TheMiddlebury optic flow evaluation（光流评估） Web site,http://vision.middlebury.edu/flow/data/

(Baker,Scharstein, Lewis et al. 2009).

The Human-Assisted MotionAnnotation database,（人类辅助运动数据库）

http://people.csail.mit.edu/celiu/motionAnnotation/ (Liu, Freeman, Adelson etal. 2008)

第十章：计算机摄像学

High DynamicRange radiance（辐射）maps, http://www.debevec.org/Research/HDR/

(De-bevecand Malik 1997).

Alpha matting evaluation Website, http://alphamatting.com/ (Rhemann, Rother, Wang

et al. 2009).

第十一章：Stereo correspondence立体对应

Middlebury Stereo Datasets andEvaluation, http://vision.middlebury.edu/stereo/(Scharstein

and Szeliski 2002).

StereoClassification（立体分类） and Performance Evaluation（性能评估） of different aggregation（聚类） costs for stereo matching（立体匹配）,http://www.vision.deis.unibo.it/spe/SPEHome.aspx (Tombari, Mat-

toccia, Di Stefano et al.2008).

Middlebury Multi-View StereoDatasets,

http://vision.middlebury.edu/mview/data/ (Seitz,Curless, Diebel etal. 2006).

Multi-view and Oxford Collegesbuilding reconstructions,

http://www.robots.ox.ac.uk/~vgg/data/data-mview.html .

Multi-View Stereo Datasets, http://cvlab.epfl.ch/data/strechamvs/ (Strecha, Fransens,

and Van Gool 2006).

Multi-View Evaluation, http://cvlab.epfl.ch/~strecha/multiview/ (Strecha, von Hansen,

Van Gool et al. 2008).

第十二章：3D重建

HumanEva: synchronized video（同步视频） and motion capture （动作捕捉）dataset for evaluation ofarticulated human motion, http://vision.cs.brown.edu/humaneva/ Sigal, Balan, and Black 2010).

第十三章：图像渲染

The (New) Stanford Light FieldArchive, http://lightfield.stanford.edu/

(Wilburn, Joshi,Vaish et al.2005).

Virtual Viewpoint Video:multi-viewpoint video with per-frame depth maps,

http://research.microsoft.com/en-us/um/redmond/groups/ivm/vvv/ (Zitnick, Kang, Uytten-

daele et al. 2004).

第十四章：识别

查找一系列的视觉识别数据库，在表14.1–14.2.除了那些，这里还有：

Buffy pose classes, http://www.robots.ox.ac.uk/~vgg/data/ buffy pose classes/ andBuffy

stickmen V2.1, http://www.robots.ox.ac.uk/~vgg/data/stickmen/index.html(Ferrari,Marin-

Jimenez, and Zisserman 2009;Eichner and Ferrari 2009).

H3D database of pose/jointannotated photographs of humans,

http://www.eecs.berkeley.edu/~lbourdev/h3d/ (Bourdev and Malik 2009).

Action Recognition Datasets,http://www.cs.berkeley.edu/projects/vision/action, has point-

ers toseveral datasets for action and activity recognition, as well as some papers.（有一些关于人活动和运动的数据库和论文） The humanaction database athttp://www.nada.kth.se/cvap/actions/ 包含更多的行动序列。

C.2 软件资源

一个对于计算机视觉算法最好的资源就是开源视觉图像库（opencv）(http://opencv.willowgarage.com/wiki/),他有在intel的Gary Bradski和他的同事开发，现在由Willow Garage (Bradsky and Kaehler 2008)维护和扩展。一部分可利用的函数在http://opencv.willowgarage.com/documentation/cpp/中：

图像处理和变换 (滤波，形态学，金字塔);

图像几何学的变换 (旋转，改变大小);

混合图像变换 (傅里叶变换，距离变换);

直方图;

分割 (分水岭, mean shift);

特征检测 (Canny, Harris, Hough, MSER, SURF);

运动分析和物体分析 (Lucas–Kanade, mean shift);

相机矫正和3D重建

机器学习 (k nearest neighbors, 支持向量机, 决策树, boost-

ing, 随机树, expectation-maximization, 和神经网络).

Intel的Performance Primitives (IPP)library, http://software.intel.com/en-us/intel-ipp/，包含

各种各样的图像处理任务的最佳优化代码，许多opencv中的例子利用了这个库，加入他安装了，程序运行得更快。依据功能，他和Opencv有很多相同的运算处理，并且加上了额外的库针对图像视频压缩，信号语音处理和矩阵代数。

MTALAB中的Image Processing Toolbox图像处理工具，http://www.mathworks.com/products/image/，包含常规的处理，空域变换（旋转，改变大小），常规正交，图像分析和统计学（变边缘，哈弗变换），图像增强（自适应直方图均衡，中值滤波），图像恢复（去模糊），线性滤波（卷积），图像变换（傅里叶，离散余弦变换）和形态学操作（连通域和距离变换）

两个比较旧的库，它们没有被发展，但是包含了一些的有用的常规操作：

VXL (C++Libraries for Computer Vision Research and Implemen-tation,http://vxl.sourceforge.net/)

LTI-Lib 2 (http://www.ie.itcr.ac.cr/palvarado/ltilib-2/homepage/ ).

图像编辑和视图包，例如Windows Live Photo Gallery, iPhoto, Picasa,GIMP, 和 IrfanView，它们对执行这些处理非常有用：常规处理任务，格式转换，观测你的结果。它们同样可以用于对图像处理算法有趣的实现参考，例如色调调整和去噪。

这里他也有一些软件包和基础框架对你建一个实时视频处理的DEMOS很有用，Vision on Tap(http://www.visionontap.com/ )提供一个可以实时处理你的网络摄像头的网页服务(Chiu and Raskar 2009）。Video-Man (VideoManager,http://videomanlib.sourceforge.net/处理实时的基于视频的DEMOS和应用非常有用，你也可以用MATLAB中的imread直接从任何URl（例如网络摄像头）中读取视频。

下面，我列出了一些额外的网络资源，让章节排列以便它们看起来联系更紧密：

第三章:图像处理

matlabPyrTools—MATLAB 下的源码对于拉普拉斯变换，金字塔, QMF/小波, 和

steerable pyramids, http://www.cns.nyu.edu/~lcv/software.php (Simoncelli and Adel-

son 1990a; Simoncelli,Freeman, Adelson et al. 1992).

BLS-GSM 图像去噪, http://decsai.ugr.es/~javier/denoise/ (Portilla, Strela,Wain-

wright et al. 2003).

Fast bilateral filtering code（快速双边滤波）, http://people.csail.mit.edu/jiawen/#code(Chen, Paris, and Durand 2007).

C++ implementation of the fastdistance transform algorithm,

http://people.cs.uchicago.edu/~pff/dt/ (Felzenszwalb andHuttenlocher 2004a).

GREYC’s Magic Image Converter,including image restoration software using regularization and anisotropicdiffusion, http://gmic.sourceforge.net/gimp.shtml(Tschumperl´ e and Deriche 2005).

第四章：图像特征检测和匹配

VLFeat, 一个开放便捷的计算机视觉算法库

http://vlfeat.org/ (Vedaldi and Fulkerson 2008).

SiftGPU: A GPU Implementationof Scale Invariant Feature Transform (SIFT),

GPU实现的尺度特征性变换

http://www.cs.unc.edu/~ccwu/siftgpu/ (Wu 2010).

SURF: Speeded Up RobustFeatures, http://www.vision.ee.ethz.ch/~surf/

(Bay, Tuyte-laars, and VanGool 2006).

FAST corner detection, http://mi.eng.cam.ac.uk/~er258/work/fast.html

(Rosten and Drum-mond 2005, 2006).

Linux binaries for affineregion detectors and descriptors, as well as MATLAB files to

compute repeatability andmatching scores,

http://www.robots.ox.ac.uk/~vgg/research/affine/

Kanade–Lucas–Tomasi featuretrackers: KLT, http://www.ces.clemson.edu/~stb/klt/(Shi and Tomasi 1994);

GPU-KLT, http://cs.unc.edu/~cmzach/opensource.html (Zach,Gallup, and Frahm2008); Lucas–Kanade 20 Years On, http://www.ri.cmu.edu/projects/project 515.html (Baker and Matthews 2004).

第五章：分割

高效的基于图形的分割http://people.cs.uchicago.edu/~pff/segment

(Felzenszwalb and Huttenlocher2004b).

EDISON, 边缘检测和图像追踪,

http://coewww.rutgers.edu/riul/research/code/EDISON/

(Meer and Georgescu 2001; Comaniciu and Meer2002).

Normalized cuts segmentationincluding intervening contours,

http://www.cis.upenn.edu/~jshi/software/

(Shi and Malik 2000; Malik,Belongie, Leung et al. 2001).

Segmentation by weightedaggregation (SWA),利用加权集合的分割

http://www.cs.weizmann.ac.il/~vision/SWA (Alpert, Galun, Basri et al.2007).

第六章：基于特征的对齐和校准

Non-iterative PnP algorithm,（非迭代PnP算法）

http://cvlab.epfl.ch/software/EPnP (Moreno-Noguer, Lep-etit, and Fua 2007).

Tsai Camera Calibration（相机矫正） Software,

http://www-2.cs.cmu.edu/~rgw/TsaiCode.html (Tsai 1987).

Easy CameraCalibration Toolkit,（简易相机校准工具包）http://research.microsoft.com/en-us/um/people/zhang/ Calib/ (Zhang 2000).

Camera Calibration Toolbox forMATLAB,

http://www.vision.caltech.edu/bouguetj/calib doc/ ; a C version is included in OpenCV.

MATLAB functions for multipleview geometry,

http://www.robots.ox.ac.uk/~vgg/hzbook/code/ (Hartley and Zisserman2004).

第七章：运动重建

SBA: A generic sparse bundle(稀疏束) adjustment C/C++ package basedon the Levenberg–

Marquardt algorithm, http://www.ics.forth.gr/~lourakis/sba/ (Lourakis and Argyros 2009).

Simple sparse bundleadjustment (SSBA), http://cs.unc.edu/~cmzach/opensource.html .

Bundler, structure from motionfor unordered image collections(无序图像集),

http://phototour.cs.washington.edu/bundler/ (Snavely, Seitz, and Szeliski 2006).

第八章:稠密运动估计

光流, http://www.cs.brown.edu/~black/code.html (Black and Anan-

dan 1996).

Optical flow（光流） using total variation（全变量差） and conjugate gradientdescent（共轭梯度下降）, http://people.csail.mit.edu/celiu/OpticalFlow/ (Liu 2009).

TV-L1 optical flow on the GPU, http://cs.unc.edu/~cmzach/opensource.html

(Zach,Pock, and Bischof2007a).

elastix: atoolbox for rigid（刚性） and nonrigid（非刚性） registration of images（配准图像）, http://elastix.isi.uu.nl/ (Klein, Staring, and Pluim 2007).

Deformable image registration（可变形的配准图像） using discreteoptimization（离散最优化）, http://www.mrf-registration.net/deformable/index.html

(Glocker, Komodakis, Tziritas et al. 2008).

第九章：图像缝合

Microsoft Research ImageCompositing Editor for stitching images,（图像拼接，图像合成）

http://research.microsoft.com/en-us/um/redmond/groups/ivm/ice/ .

第十章：计算机摄影学

HDRShop software for combiningbracketed exposures（包围式曝光） into high-dynamic range radiance images, http://projects.ict.usc.edu/graphics/HDRShop/.

Super-resolution（超分辨率） code,

http://www.robots.ox.ac.uk/~vgg/software/SR/ (Pickup 2007;Pickup, Capel,Roberts et al. 2007, 2009).

第十一章：立体对应

StereoMatcher, standalone C++stereo matching code,

http://vision.middlebury.edu/stereo/code/ (Scharstein and Szeliski2002).

Patch-based multi-view stereosoftware (PMVS Version 2),

http://grail.cs.washington.edu/software/pmvs/ (Furukawa and Ponce 2011).

第十二章：3D重建

Scanalyze: a system foraligning and merging range data,

http://graphics.stanford.edu/software/scanalyze/ (Curless and Levoy 1996).

MeshLab: software forprocessing, editing, and visualizing unstructured 3D triangular

meshes, http://meshlab.sourceforge.net/.

VRML viewers (various) arealso a good way to visualize texture-mapped 3D models.

节 12.6.4: Whole body modeling andtracking（全身建模和追踪）

Bayesian 3D person tracking（贝叶斯3D人体追踪）,http://www.cs.brown.edu/~black/code.html (Sidenbladh,Black, and Fleet2000; Sidenbladh and Black 2003).

HumanEva: baseline code forthe tracking of articulated human motion,

http://vision.cs.brown.edu/humaneva/ (Sigal, Balan, and Black 2010).

节 14.1.1: Face detection（人脸检测）

Sample face detection code andevaluation tools,

http://vision.ai.uiuc.edu/mhyang/face-detection-survey.html.

节 14.1.2: Pedestrian detection（行人追踪）

A simple object detector withboosting,

http://people.csail.mit.edu/torralba/shortCourseRLOC/boosting/boosting.html

(Hastie, Tibshirani, and Friedman 2001;Torralba, Murphy, and Freeman 2007).

Discriminatively（有区别） trained deformable（可变形） part models,http://people.cs.uchicago.edu/~pff/latent/ (Felzenszwalb, Girshick,McAllester et al. 2010).

Upper-body detector（上身检测）,

http://www.robots.ox.ac.uk/~vgg/software/UpperBody/ (Ferrari,Marin-Jimenez, andZisserman 2008).

2D articulated human poseestimation software,

http://www.vision.ee.ethz.ch/~calvin/articulated_human_pose_estimation_code/(Eichner and Ferrari 2009).

节 14.2.2: Active appearance and 3Dshape models

AAMtools: An active appearancemodeling toolbox,

http://cvsp.cs.ntua.gr/software/AAMtools/ (Papandreou and Maragos2008).

节 14.3: Instance recognition

FASTANN and FASTCLUSTER forapproximate k-means (AKM),

http://www.robots.ox.ac.uk/~vgg/software/ (Philbin, Chum, Isard et al. 2007).

Feature matching using fastapproximate nearest neighbors,

http://people.cs.ubc.ca/~mariusm/index.php/FLANN/FLANN (Muja and Lowe 2009).

节 14.4.1: Bag of words(词袋)

Two bag of words classifiers, http://people.csail.mit.edu/fergus/iccv2005/bagwords.html

(Fei-Fei and Perona 2005;Sivic, Russell, Efros et al. 2005).

Bag of features andhierarchical（分层） k-means, http://www.vlfeat.org/ (Nist´ er and Stew´enius2006; Nowak, Jurie, and Triggs 2006).

节 14.4.2: Part-based models

A simple parts and structureobject detector,

http://people.csail.mit.edu/fergus/iccv2005/partsstructure.html

(Fischler and Elschlager 1973; Felzenszwalband Huttenlocher 2005).

节 14.5.1: Machine learning software

Support vector machines (SVM)software (

http://www.support-vector-machines.org/SVM soft.html )

包含很多支持向量机的库,

SVMlight http://svmlight.joachims.org/ ;

LIBSVM, http://www.csie.ntu.edu.tw/~cjlin/libsvm/(Fan, Chen,and Lin 2005);

LIBLINEAR, http://www.csie.ntu.edu.tw/~cjlin/liblinear/ (Fan,Chang, Hsieh et al.2008).

Kernel Machines: links to SVM,Gaussian processes, boosting, and other machine

learning algorithms, http://www.kernel-machines.org/software .

Multiple kernels for imageclassification,

http://www.robots.ox.ac.uk/~vgg/software/MKL

(Varma and Ray 2007; Vedaldi, Gulshan, Varmaet al. 2009).

附录 A.1–A.2: Matrix decompositions（矩阵分解） and linear least squares（线性最小乘）

BLAS (BasicLinear Algebra Subprograms基本线性代数子程序),

http://www.netlib.org/blas/ (Blackford,Demmel, Dongarraet al. 2002).

LAPACK (Linear Algebra（线性代数） PACKage),

http://www.netlib.org/lapack/ (Anderson, Bai,Bischof etal. 1999).

GotoBLAS, http://www.tacc.utexas.edu/tacc-projects/.

ATLAS (Automatically TunedLinear Algebra Software),

http://math-atlas.sourceforge.net/ (Demmel, Dongarra, Eijkhoutet al. 2005).

Intel Math Kernel Library(MKL), http://software.intel.com/en-us/intel-mkl/.

AMD CoreMath Library (ACML),

http://developer.amd.com/cpu/Libraries/acml/Pages/default.aspx .

Robust PCA code（鲁棒主成分分析）,http://www.salle.url.edu/~ftorre/papers/rpca2.html

(De la Torre and Black 2003).

Appendix A.3: Non-linear leastsquares非线性最小二乘

MINPACK, http://www.netlib.org/minpack/.

levmar: Levenberg–Marquardtnonlinear least squares algorithms, 非线性最小二乘

http://www.ics.forth.gr/~lourakis/levmar/ (Madsen, Nielsen, andTingleff 2004).

附录 A.4–A.5: Direct（直接） and iterative（迭代） sparse matrix（稀疏矩阵） solvers

SuiteSparse (variousreordering algorithms, 各种各样的重排算法CHOLMOD) and SuiteSparse QR, http://www.cise.ufl.edu/research/sparse/SuiteSparse/ (Davis 2006, 2008).

PARDISO (iterative and sparsedirect solution), http://www.pardiso-project.org/.

TAUCS (sparse direct,iterative, out of core, preconditioners),

http://www.tau.ac.il/~stoledo/taucs/ .

HSL Mathematical SoftwareLibrary, http://www.hsl.rl.ac.uk/index.html .

Templatesfor the solution of linear systems（线性系统解决问题的模板）,http://www.netlib.org/linalg/html templates/Templates.html (Barrett, Berry, Chan et al.1994). Download the PDF for instructions（说明） on how to get the software.

ITSOL,MIQR, and other sparsesolvers,

http://www-users.cs.umn.edu/~saad/software/ (Saad 2003).

ILUPACK, http://www-public.tu-bs.de/~bolle/ilupack/ .

附录 B: Bayesian modeling and inference（贝叶斯建模和推断）

Middleburysource code for MRF minimization（隐马尔科夫随机场最小化）,http://vision.middlebury.edu/MRF/code/ (Szeliski, Zabih, Scharsteinet al. 2008).

C++ code for efficient beliefpropagation for early vision,

http://people.cs.uchicago.edu/~pff/bp/ (Felzenszwalb andHuttenlocher 2006).

FastPD MRF optimization（最优化） code,

http://www.csd.uoc.gr/~komod/FastPD (Komodakisand Tziritas2007a; Komodakis, Tziritas, and Paragios 2008)

算法 C.1 Calgorithm for Gaussian random noise generation, using the Box–Mullertransform.

C描述的利用Box–Muller 变换产生高斯随机噪声

double urand()

{

return ((double)rand()) / ((double) RAND MAX);

}

void grand(double& g1, double& g2)

{

#ifndef M_PI

#define M_PI 3.14159265358979323846

#endif // M_PI

double n1 = urand();

double n2 = urand();

double x1 = n1 + (n1 == 0); /* guardagainst log(0) */

double sqlogn1 = sqrt(-2.0 * log (x1));

double angl = (2.0 * M PI) * n2;

g1 = sqlogn1 * cos(angl);

g2 = sqlogn1 * sin(angl);

}

高斯噪声的产生。许多基本的软件包产生一些不同的随机的噪声(例如 运行在unix上的rand())，但是并不是所有的都有高斯随机噪声发生器。计算一个离散随机常量，你可以用Box–Mullertransform (Box and Muller 1958)，他的c代码在算法C.1中给出了，注意这个运行结果是返回一对随机变量。相关的产生高斯随机变量的方由Thomas, Luk, Leong et al. (2007)提出。

伪彩色产生。在很多应用中，很方便给图像加上标记（或者给图像特征比如线）。一个最简单的方式就是给不同的标记不同的颜色。在我的工作中，我发现用RGB立体色彩系给不同的标记赋予标准均匀的色彩是很方便的。

对于每一个（非消极）标记值，considerthe bits as being split among the three color channel，例如对于一个比特值为9的值，

这个值可以被标记为RGBRGBRGB，获得三基色中的每一种颜色值后，颠倒比特值，结果是低位的比特值变化的最快。

实际上，对于一个八比特的颜色通道，这个比特值的颠倒可以被存在一个表或者一个存储提前计算好的记录有由标记值向伪彩色的改变的完整表。

图 8.16 显示了这样一个伪彩色绘制的例子.

GPU实现

GPU的出现，可以处理像素着色和计算着色，导致了实时应用的快速计算机视觉算法的发展，例如，分割，追踪，立体和运动估计（(Pock, Unger, Cremerset al. 2008; Vineet and Narayanan 2008; Zach,Gallup, and Frahm 2008）。一个好的资源来学习这些算法就是CVPR 2008 上关于Visual Computer Visionon GPUs的workshop。

http://www.cs.unc.edu/~jmf/Workshop_on_Computer_Vision_on_GPU.html他的论文可以在CVPR2008的会议集的DVD中找到。额外的关于GPU算法资源包括GPGPU网址和小组讨论http://gpgpu.org/还有OpenVIDIAWeb site,http://openvidia.sourceforge.net/index.php/OpenVIDIA

C.3 PPT和讲稿

正如我在前言中提到的，我希望提供和书中材料相一致的PPT，直到这些全部准备好，你最好的方式去看我在华盛顿大学上课时的PPT，和一写相关课程中用到的教案。

这里是一些这样的课程列表：

UW 455:Undergraduate Computer Vision,

http://www.cs.washington.edu/education/courses/455/.

UW576:Graduate Computer Vision,

http://www.cs.washington.edu/education/courses/576.

StanfordCS233B: Introduction to Computer Vision,

http://vision.stanford.edu/teaching/cs223b/.

MIT6.869: Advances in Computer Vision,

http://people.csail.mit.edu/torralba/courses/6.869/6.869.computervision.htm.

Berkeley CS 280: Computer Vision, http://www.eecs.berkeley.edu/~trevor/CS280.html

UNC COMP776: Computer Vision, http://www.cs.unc.edu/~lazebnik/spring10.

Middlebury CS 453: Computer Vision,

http://www.cs.middlebury.edu/~schar/courses/cs453-s10/.

Related courses have also been taught onthe topic of Computational Photography, e.g.,

CMU 15-463: Computational Photography, http://graphics.cs.cmu.edu/courses/15-463/.

MIT 6.815/6.865: Advanced ComputationalPhotography,

http://stellar.mit.edu/S/course/6/sp09/6.815

Stanford CS 448A: Computational photographyon cell phones,

http://graphics.stanford.edu/courses/cs448a-10/.

SIGGRAPH courses on ComputationalPhotography,

http://web.media.mit.edu/~raskar/photo/.

这里还有一些最好的关于各种计算机视觉主题的在线讲稿，例如：belief propagation and graph cuts，它们在UW-MSR Course of Vision Algo-rithmshttp://www.cs.washington.edu/education/courses/577/04sp/

C.4 参考文献：

这本的所有参考文献在这本书的网站上，一个几乎所有的计算机视觉的出版物都引用的更全面的部分注解书目由Keith Price维http://iris.usc.edu/Vision-Notes/bibliography/contents.html.

这里还有一个可搜索的计算机图形学的参考书目http://www.siggraph.org/publications/bibliography/另外技术论文比较好的资源是GoogleScholar 和 CiteSeerX。