眨眼檢測演算法有很多種，但準確率都有很大提高空間。此摘錄幾種簡單的判斷方法：
一：基於閥值的
當眼完全閉上時、需要更高的閥值才能找到乙個聯通區（media blur後）
二：簡單邏輯判斷法
說簡單點就是判斷眼中心在不在當前聯通區內
/* eye blink code goes here & checks for bounding rects
to determine whether eye is blinked or not.
*/int is_blink(cvseq* comp, int num, cvrect window, cvrect eye)
個人依據經驗做的演算法如下
//特徵：眼睜開時圖形似矩形、閉眼時似三角形。
/**********likely highly
開 圖形似矩形 眼高
閉 似高三角形 眼低
openeyelikely = max ((up and down value/2 )* high)
f(x) = max(openeyelikely)
歸一化處理：
高度歸一化處理：highly = float(brightcount)/rowmean.rows; 開眼時為1，閉眼時實驗資料為0.3左右
rectanglelikely歸一化處理： rectanglelikely = (up + down)/2 / middle. 開眼時接盡1， 閉眼小於0.5
openeyelikely = rectanglelikely * highly ;
*/
其實、眨點有很多特點：下眼皮很少移動、是上眼皮向下眨。由此可以做很乙個眨眼週期的估計，上眼皮在乙個週期內會跳動一次。
實際情況下會有很多其它問題
一：很難捕捉到真正close eye的瞬間。
二：眨眼會有拖影。
這些情況都難以解決，只能說慢點眨點吧，太快了處理不過來。
VIBE檢測演算法
一 vibe 獲取目標 其他演算法處理 最終目標 優點 記憶體占用少，處理速度快，計算量小，檢測效果好 無引數法 可直接應用在產品中，軟硬體相容性好 效能優於混合高斯，引數化方法，sacon等 背景模型及時初始化 具有較好的抗噪能力。缺點 ghost區域 挑戰 必須適應環境的變化 比如光照的變化造成...
素數檢測演算法
因為1既不是素數也不是合數，所以下面的實現 中不考慮小於2的情況。本文以c語言進行講解，建議對著完整的原始碼看。最原始 最粗暴的方法就是從頭到尾逐個進行檢測，一旦遇到可被整除的數馬上返回false bool is prime 1 int n return true 該演算法時間複雜度為n2 n 2對...
邊緣檢測演算法
邊緣是由灰階等高線定義的，穿過等高線時，灰階會迅速變化，沿著等高線走，灰階值的變化會更加輕柔，有可能是隨機變化的，因此邊緣具有乙個可以測量的方向。邊緣畫素和雜訊畫素相比周圍的畫素都有明顯的變化，而邊緣畫素互相連線，構成等高線，因此可以通過這一特性區分邊緣畫素和雜訊畫素。1 數位化 影象的取樣不可能使...