40614人阅读
前面两篇博客& 和&，分别介绍了Git 基础知识和命令用法本文将对Git 命令，做一下全面而系统的简短总结，整理成简洁、明了的图表结构，方便查询一、 Git 常用命令速查git branch 查看本地所有分支git status 查看当前状态&git commit 提交&git branch -a 查看所有的分支git branch -r 查看远程所有分支git commit -am &init& 提交并且加注释&git remote add origin git@192.168.1.119:ndshowgit push origin master 将文件给推到服务器上&git remote show origin 显示远程库origin里的资源&git push origin master:developgit push origin master:hb-dev 将本地库与服务器上的库进行关联&git checkout --track origin/dev 切换到远程dev分支git branch -D master develop 删除本地库developgit checkout -b dev 建立一个新的本地分支devgit merge origin/dev 将分支dev与当前分支进行合并git checkout dev 切换到本地dev分支git remote show 查看远程库git add .git rm 文件名(包括路径) 从git中删除指定文件git clone git:///schacon/grit.git 从服务器上将代码给拉下来git config --list 看所有用户git ls-files 看已经被提交的git rm [file name] 删除一个文件git commit -a 提交当前repos的所有的改变git add [file name] 添加一个文件到git indexgit commit -v 当你用－v参数的时候可以看commit的差异git commit -m &This is the message describing the commit& 添加commit信息git commit -a -a是代表add，把所有的change加到git index里然后再commitgit commit -a -v 一般提交命令git log 看你commit的日志git diff 查看尚未暂存的更新git rm a.a 移除文件(从暂存区和工作区中删除)git rm --cached a.a 移除文件(只从暂存区中删除)git commit -m &remove& 移除文件(从Git中删除)git rm -f a.a 强行移除修改后文件(从暂存区和工作区中删除)git diff --cached 或 $ git diff --staged 查看尚未提交的更新git stash push 将文件给push到一个临时空间中git stash pop 将文件从临时空间pop下来---------------------------------------------------------git remote add origin :username/Hello-World.gitgit push origin master 将本地项目给提交到服务器中-----------------------------------------------------------git pull 本地与服务器端同步-----------------------------------------------------------------git push (远程仓库名) (分支名) 将本地分支推送到服务器上去。git push origin serverfix:awesomebranch------------------------------------------------------------------git fetch 相当于是从远程获取最新版本到本地，不会自动mergegit commit -a -m &log_message& (-a是提交所有改动，-m是加入log信息) 本地修改同步至服务器端 ：git branch branch_0.1 master 从主分支master创建branch_0.1分支git branch -m branch_0.1 branch_1.0 将branch_0.1重命名为branch_1.0git checkout branch_1.0/master 切换到branch_1.0/master分支du -hsgit branch 删除远程branchgit push origin :branch_remote_namegit branch -r -d branch_remote_name-----------------------------------------------------------初始化版本库，并提交到远程服务器端mkdir WebAppcd WebAppgit init
本地初始化touch READMEgit add README
添加文件git commit -m 'first commit'git remote add origin :daixu/WebApp.git 增加一个远程服务器端上面的命令会增加URL地址为':daixu/WebApp.git'，名称为origin的远程服务器库，以后提交代码的时候只需要使用 origin别名即可二、 Git 命令速查表1、常用的Git命令
添加至暂存区
git add–interactive
交互式添加
应用邮件格式补丁
git annotate
同义词，等同于 git blame
git archive
文件归档打包
git bisect
文件逐行追溯
git branch
git cat-file
版本库对象研究工具
git checkout
检出到工作区、切换或创建分支
git cherry-pick
git citool
图形化提交，相当于 git gui 命令
清除工作区未跟踪文件
克隆版本库
git commit
git config
查询和修改配置
git describe
通过里程碑直观地显示提交ID
git difftool
调用图形化差异比较工具
获取远程版本库的提交
git format-patch
创建邮件格式的补丁文件。参见 git am 命令
文件内容搜索定位工具
基于Tcl/Tk的图形化工具，侧重提交等操作
版本库初始化
git init-db*
同义词，等同于 git init
显示提交日志
git mergetool
图形化冲突解决
拉回远程版本库的提交
推送至远程版本库
git rebase
git rebase–interactive
交互式分支变基
git reflog
分支等引用变更记录管理
git remote
远程版本库管理
git repo-config*
同义词，等同于 git config
重置改变分支“游标”指向
git rev-parse
将各种引用表示法转换为哈希值等
git revert
显示各种类型的对象
git stage*
同义词，等同于 git add
保存和恢复进度
git status
显示工作区文件状态
里程碑管理 2、对象库操作相关命令
git commit-tree
从树对象创建提交
git hash-object
从标准输入或文件计算哈希值或创建对象
git ls-files
显示工作区和暂存区文件
git ls-tree
显示树对象包含的文件
读取标准输入创建一个里程碑对象
git mktree
读取标准输入创建一个树对象
git read-tree
读取树对象到暂存区
git update-index
工作区内容注册到暂存区及暂存区管理
git unpack-file
创建临时文件包含指定 blob 的内容
git write-tree
从暂存区创建一个树对象 3、引用操作相关命令
git check-ref-format
检查引用名称是否符合规范
git for-each-ref
引用迭代器，用于shell编程
git ls-remote
显示远程版本库的引用
git name-rev
将提交ID显示为友好名称
git peek-remote*
过时命令，请使用 git ls-remote
git rev-list
显示版本范围
git show-branch
显示分支列表及拓扑关系
git show-ref
显示本地引用
git symbolic-ref
显示或者设置符号引用
git update-ref
更新引用的指向
git verify-tag
校验 GPG 签名的Tag 4、版本库管理相关命令
git count-objects
显示松散对象的数量和磁盘占用
git filter-branch
版本库重构
对象库完整性检查
git fsck-objects*
同义词，等同于 git fsck
版本库存储优化
git index-pack
从打包文件创建对应的索引文件
git lost-found*
过时，请使用 git fsck
–lost-found 命令
git pack-objects
从标准输入读入对象ID，打包到文件
git pack-redundant
查找多余的 pack 文件
git pack-refs
将引用打包到 .git/packed-refs 文件中
从对象库删除过期对象
git prune-packed
将已经打包的松散对象删除
git relink
为本地版本库中相同的对象建立硬连接
git repack
将版本库未打包的松散对象打包
git show-index
读取包的索引文件，显示打包文件中的内容
git unpack-objects
从打包文件释放文件
git verify-pack
校验对象库打包文件 5、数据传输相关命令
git fetch-pack
执行 git fetch 或 git pull 命令时在本地执行此命令，用于从其他版本库获取缺失的对象
git receive-pack
执行 git push 命令时在远程执行的命令，用于接受推送的数据
git send-pack
执行 git push 命令时在本地执行的命令，用于向其他版本库推送数据
git upload-archive
执行 git archive –remote 命令基于远程版本库创建归档时，远程版本库执行此命令传送归档
git upload-pack
执行 git fetch 或 git pull 命令时在远程执行此命令，将对象打包、上传
6、邮件相关命令
git imap-send
将补丁通过 IMAP 发送
git mailinfo
从邮件导出提交说明和补丁
git mailsplit
将 mbox 或 Maildir 格式邮箱中邮件逐一提取为文件
git request-pull
创建包含提交间差异和执行PULL操作地址的信息
git send-email
发送邮件 7、协议相关命令
git daemon
实现Git协议
git http-backend
实现HTTP协议的CGI程序，支持智能HTTP协议
git instaweb
即时启动浏览器通过 gitweb 浏览当前版本库
受限制的shell，提供仅执行Git命令的SSH访问
git update-server-info
更新哑协议需要的辅助文件
git http-fetch
通过HTTP协议获取版本库
git http-push
通过HTTP/DAV协议推送
git remote-ext
由Git命令调用，通过外部命令提供扩展协议支持
git remote-fd
由Git命令调用，使用文件描述符作为协议接口
git remote-ftp
由Git命令调用，提供对FTP协议的支持
git remote-ftps
由Git命令调用，提供对FTPS协议的支持
git remote-http
由Git命令调用，提供对HTTP协议的支持
git remote-https
由Git命令调用，提供对HTTPS协议的支持
git remote-testgit
协议扩展示例脚本 8、版本库转换和交互相关命令
git archimport
导入Arch版本库到Git
git bundle
提交打包和解包，以便在不同版本库间传递
git cvsexportcommit
将Git的一个提交作为一个CVS检出
git cvsimport
导入CVS版本库到Git。或者使用 cvs2git
git cvsserver
Git的CVS协议模拟器，可供CVS命令访问Git版本库
git fast-export
将提交导出为 git-fast-import 格式
git fast-import
其他版本库迁移至Git的通用工具
Git 作为前端操作 Subversion 9、合并相关的辅助命令
git merge-base
供其他脚本调用，找到两个或多个提交最近的共同祖先
git merge-file
针对文件的两个不同版本执行三向文件合并
git merge-index
对index中的冲突文件调用指定的冲突解决工具
git merge-octopus
合并两个以上分支。参见 git merge 的octopus合并策略
git merge-one-file
由 git merge-index 调用的标准辅助程序
git merge-ours
合并使用本地版本，抛弃他人版本。参见 git
merge 的ours合并策略
git merge-recursive
针对两个分支的三向合并。参见 git merge
的recursive合并策略
git merge-resolve
针对两个分支的三向合并。参见 git merge
的resolve合并策略
git merge-subtree
子树合并。参见 git merge 的 subtree 合并策略
git merge-tree
显式三向合并结果，不改变暂存区
git fmt-merge-msg
供执行合并操作的脚本调用，用于创建一个合并提交说明
git rerere
重用所记录的冲突解决方案 10、 杂项
git bisect–helper
由 git bisect 命令调用，确认二分查找进度
git check-attr
显示某个文件是否设置了某个属性
git checkout-index
从暂存区拷贝文件至工作区
git cherry
查找没有合并到上游的提交
git diff-files
比较暂存区和工作区，相当于 git diff
git diff-index
比较暂存区和版本库，相当于 git diff
–cached –raw
git diff-tree
比较两个树对象，相当于 git diff
git difftool–helper
由 git difftool 命令调用，默认要使用的差异比较工具
git get-tar-commit-id
从 git archive 创建的 tar 包中提取提交ID
git gui–askpass
命令 git gui 的获取用户口令输入界面
提交评论管理
git patch-id
补丁过滤行号和空白字符后生成补丁唯一ID
git quiltimport
将Quilt补丁列表应用到当前分支
git replace
git shortlog
对 git log 的汇总输出，适合于产品发布说明
git stripspace
删除空行，供其他脚本调用
git submodule
子模组管理
git tar-tree
过时命令，请使用 git archive
显示 Git 环境变量
git web–browse
启动浏览器以查看目录或文件
git whatchanged
显示提交历史及每次提交的改动
git-mergetool–lib
包含于其他脚本中，提供合并/差异比较工具的选择和执行
git-parse-remote
包含于其他脚本中，提供操作远程版本库的函数
git-sh-setup
包含于其他脚本中，提供 shell 编程的函数库 附：整理集合：参考推荐：（图表）
版权声明：本文为博主原创文章，未经博主允许不得转载。
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：8051531次
积分：68520
积分：68520
排名：第11名
原创：669篇
转载：169篇
译文：16篇
评论：2821条
中科院、百度、创新工场、小米
系统架构设计师（2013）
软件设计师（2008）
程序员创业邦
青春，每一个有梦想的人
资深产品经理人
思与行，人人都是产品经理
爱脚本，爱技术
python、ruby、awk、shell
程序人生的平凡生活
汇聚百度、小米、微软、腾讯、
创新工场、阿里巴巴、日本雅虎
本CSDN博客，近期会全部移到我的独立博客；
脚本转换工具，也会开源出来，感谢大家关注。
文章：18篇
阅读：131020
文章：52篇
阅读：420950
阅读：41812
文章：32篇
阅读：1817884
本博客内容，由本人精心整理
欢迎交流，欢迎转载，大家转载注明出处，禁止用于商业目的。
(1)(1)(1)(1)(1)(1)(1)(1)(1)(4)(4)(2)(4)(4)(4)(2)(8)(45)(13)(20)(18)(20)(16)(11)(20)(50)(10)(11)(11)(10)(15)(12)(15)(16)(10)(10)(14)(16)(16)(10)(10)(10)(12)(10)(10)(12)(10)(10)(10)(10)(10)(11)(12)(15)(15)(31)(17)(16)(12)(45)(16)(6)(9)(12)(27)(53)(2)(11)Posts - 14,
Articles - 0,
Comments - 16
11:09 by 采药的蜗牛, ... 阅读,
本文章有转载自其它博文，也有自己发现的新库添加进来的，如果发现有新的库，可以推荐我加进来
转自：/tornadomeet/archive//2515980.html
Deep Learning（深度学习）：
Machine Learning（机器学习）：
国外技术团队博客：
Computer Vision（计算机视觉）：
OpenCV相关：
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。
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。
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。
opencv的日文网站，里面有不少例子代码，看不懂日文可以用网站自带的翻译，能看个大概。
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。
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。
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。
opencv版本发布地方。
opencv版本内容更改日志网页,前面那个网页更新最快。
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。
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。
该网站可以查看opencv中一些函数的变量接口，还会列出函数之间的结构图。
opencv的函数、类等查找网页，有导航，查起来感觉不错。
《计算机中的数学》系列视频，8位老师10讲内容，生动介绍微积分和线性代数基本概念在计算机学科中的各种有趣应用！
Linux学习资料：
linux入门的基础视频教程，对于新手可选择看第一部分，视频来源于LinuxCast.net网站，还不错。
OpenNI+Kinect相关：
网友晨宇思远的博客，主攻cvpr，ai等。
kinect和openni学习资料汇总。
OpenCV 计算机视觉 kinect的博客:
网友Heresy的博客，里面有不少kinect的文章，写的比较详细。
体感游戏中文网，有不少新的kinect资讯。
Kinect体感开发网。
openni_hand_tracking google code项目。
网友的kinect博客，里面有很多手势识别方面的文章介绍，还有源码，不过貌似是基于c#的。
一些关于深度信息和颜色信息融合（fusion）的文章。
kinect新的库，可以结合OpenNI使用。
kinect手势识别网站。
mit的kinect项目，有code。主要是与手势识别相关。
kinect 2012年度最具创新的6个项目，有视频，确实够创新的！
kinect多点触控的一篇博文。
有关matlab for kinect的一些接口。
AIR和Kinect的结合，有一些手指跟踪的code。
研究kinect手势识别的，任洲。刚毕业不久。
其他网友cvpr领域的链接总结：
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。
OpenGL有关:
NeHe的OpenGL教程英文版。
NeHe的OpenGL教程对应的中文版，由网友周玮翻译的。
NeHe的OpengGL对应的Qt版中文教程。
网友"左脑设计，右脑编程"的Qt_OpenGL博客,写得还不错。
这个博客对opengl的机制有所剖析，貌似要FQ才能进去。
cvpr综合网站论坛博客等：
中国计算机视觉论坛
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。
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。
牛人博客，主攻数据结构，机器学习数据挖掘算法等。
该网友上面有一些计算机视觉方向的博客,博客中附有一些实验的测试代码.
多看pami才扯谈的博客，其中有不少pami文章的中文介绍。
做网络和自然语言处理的，有不少机器学习方面的介绍。
ML常用博客资料等：
由 pluskid 所维护的 blog，主要记录一些机器学习、程序设计以及各种技术和非技术的相关内容，写得很不错。
里面包含学ML/DM所需要的一些知识链接，且有些给出了视频教程，网页资料，电子书，开源code等，推荐！
周志华主页，不用介绍了，机器学习大牛，更可贵的是他的很多文章都有源码公布。
John Paisley的个人主页，主要研究机器学习领域，有些文章有代码提供。
里面有一些常见机器学习算法的详细推导过程。
浙江大学CS硕士在读，关注计算机视觉，机器学习，算法研究，博弈， 人工智能， 移动互联网等学科和产业。该博客中有很多机器学习算法方面的介绍。
无垠天空的机器学习博客。
机器学习挑战赛。
licstar的技术博客，偏自然语言处理方向。
国内科研团队和牛人网页：
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。
李子青教授个人主页，中科院自动化所cvpr领域牛叉人！
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！
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。
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。
北京大学数字视频编码技术国家实验室。
libsvm项目网址，台湾大学的，很火！
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：
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。
国外学者整理的各高校研究所团队网站
微软视觉研究小组，不解释，大家懂的，牛！
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。
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。
poselets相关研究界面，关于poselets的第一手资料。
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。
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。
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.
关于wavelet研究的网页。
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。
卡耐基梅隆大学Alexei(Alyosha)Efros教授个人网站，计算机图形学高手。
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。
mit牛人William T. Freeman教授，主要研究计算机视觉和图像学
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。
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。
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。
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。
mit视觉实验室主页。
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。
Piotr Dollar的个人主要，主要研究方向是人体行为识别。
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。
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。
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。
cvpr领域一些小型的开源代码。
做行人检测的一个团队，内部有一些行人检测的代码下载。
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。
visual geometry group
交互式图像分割代码。
graphcut优化代码。
语音处理中的kaldi学习。
算法分析与设计（计算机领域的基础算法）：
该网站主要是讨论一些算法题。里面的是个大牛，回答了很多算法题。
一些综合topic列表：
计算机视觉中的些topic（Special Topics in Computer Vision），截止到2011年为止，其引用的文章都是非常顶级的topic。
书籍相关网页：
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。
Consumer Depth Cameras for Computer Vision
很优秀的一本书，不过很贵，买不起啊！做深度信息的使用这本书还不错，google图中可以预览一部分。
Making.Things.See
针对Kinect写的，主要关注深度信息，较为基础。书籍中有不少例子，貌似是java写的。
国内一些AI相关的研讨会：
中国机器学习及应用研讨会(这个是2013年的)
期刊会议论文下载：
几个顶级会议论文公开下载界面，比如说ICCV,CVPR,ECCV,ACCV,ICPR,SIGGRAPH等。
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。
ICV期刊下载
TPAMI期刊，AI领域中可以算得上是最顶级的期刊了，里面有不少cvpr方面的内容。
IJCV的网址。
NIPS官网，有论文下载列表。
LSRS （会议）地址，大规模推荐系统，其它年份依次类推。
会议期刊相关信息：
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。
上面网页的一个子网页，列出了最近的CV领域提交paper的deadline。
cvpr相关数据库下载：
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
UCI数据库列表下载，最常用的机器学习数据库列表。
人体行为识别通过关键点的跟踪视频数据库，Rochester university的
IBM人体视觉研究中心，有视频监控等非常多的测试视频。
该网站上列出了常见的cvpr研究的数据库。
RGB-D Object Dataset.做目标识别的。
AI相关娱乐网页：
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。
人与狗的匹配游戏，摄像头采集人脸，呵呵&
Android相关：
该网站上有一些android图标,菜单等跟界面有关的设计工具,可以用来做一些简单的UI设计.
工具和code下载：
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。
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。
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。
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。
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。
斯坦福大学Quoc V.Le主页，上有它2011年行为识别文章的代码。
开源软件：
一些ML开源软件在这里基本都可以搜到，有上百个。
Scalable machine learning library for Hive/Hadoop.
基于python的机器学习开源软件，文档写得不错。
kaggle一些挑战赛的code.&
转自：http://blog.csdn.net/tainyiliusha/article/details/
OpenBR 是一个用来从照片中识别人脸的工具。还支持推算性别与年龄。 使用方法：$ br -algorithm FaceRecognition -compare me.jpg you.jpg
最近更新：&&发布于 13天前
OpenCV是Intel&开源计算机视觉库。它由一系列 C 函数和少量 C++ 类构成，实现了图像处理和计算机视觉方面的很多通用算法。 OpenCV 拥有包括 300 多个C函数的跨平台的中、高层 API。它不依赖于其它的外部库&&尽管也可以使用某些外部库。 OpenCV 对非商业...
最近更新：&&发布于 2个月前
faceservice.cgi 是一个用来进行人脸识别的 CGI 程序， 你可以通过上传图像，然后该程序即告诉你人脸的大概坐标位置。faceservice是采用 OpenCV 库进行开发的。
JavaCV 提供了在计算机视觉领域的封装库，包括：OpenCV、ARToolKitPlus、libdc1394 2.x 、PGR FlyCapture和FFmpeg。此外，该工具可以很容易地使用Java平台的功能。 JavaCV还带有硬件加速的全屏幕图像显示（CanvasFrame），易于在多个内核中执行并行代码（并...
OpenVSS - 开放平台的视频监控系统 - 是一个系统级别的视频监控软件视频分析框架（VAF）的视频分析与检索和播放服务，记录和索引技术。它被设计成插件式的支持多摄像头平台，多分析仪模块（OpenCV的集成），以及多核心架构。
OpenCVDotNet 是一个 .NET 对 OpenCV 包的封装。
jViolajones是人脸检测算法Viola-Jones的一个Java实现，并能够加载OpenCV XML文件。 示例代码：http://www.oschina.net/code/snippet_12_2033
手势识别，用OpenCV实现
Active Shape Model Library (ASMLibrary&) SDK, 用OpenCV开发，用于人脸检测与跟踪。
Pattern Recognition project（开放模式识别项目），致力于开发出一套包含图像处理、计算机视觉、自然语言处理、模式识别、机器学习和相关领域算法的函数库。
QMotion 是一个采用 OpenCV 开发的运动检测程序，基于 QT。
cvBlob 是计算机视觉应用中在二值图像里寻找连通域的库.能够执行连通域分析与特征提取.
OpenCVSharp 是一个OpenCV的.Net wrapper，应用最新的OpenCV库开发，使用习惯比EmguCV更接近原始的OpenCV，有详细的使用样例供参考。
提供人脸检测、识别与检测特定人脸的功能，示例代码 cvReleaseImage( &gray ); cvReleaseMemStorage(&storage); cvReleaseHaarClassifierCascade(&cascade);...
VideoMan 提供一组视频捕获 API 。支持多种视频流同时输入（视频传输线、USB摄像头和视频文件等）。能利用 OpenGL 对输入进行处理，方便的与 OpenCV，CUDA 等集成开发计算机视觉系统。
基于 QT 的面向对象的多平台计算机视觉库。可以方便的创建图形化应用程序，算法库主要从 OpenCV，GSL，CGAL，IPP，Octave 等高性能库借鉴而来。
哥本哈根大学开源视线跟踪软件 The ITU Gaze Tracker is an open-source eye tracker that aims to provide a low-cost alternative to commercial gaze tracking systems and to make this technology more accessible. It is developed by the Gaze Grou...
LTI-Lib 是一个包含图像处理和计算机视觉常用算法和数据结构的面向对象库，提供 Windows 下的 VC 版本和 Linux 下的 gcc 版本，主要包含以下几方面内容： 1、线性代数 2、聚类分析 3、图像处理 4、可视化和绘图工具
GShow is a real-time image/video processing filter development kit. It successfully integrates DirectX11 with DirectShow framework. So it has the following features: GShow&是实时 图像/视频 处理滤波开发包，集成DiretX11。...
Integrating Vision Toolkit (IVT) 是一个强大而迅速的C++计算机视觉库，拥有易用的接口和面向对象的架构，并且含有自己的一套跨平台GUI组件，另外可以选择集成OpenCV
OpenCV的Python封装，主要特性包括： 提供与OpenCV 2.x中最新的C++接口极为相似的Python接口，并且包括C++中不包括的C接口 提供对OpenCV 2.x中所有主要部件的绑定：CxCORE (almost complete), CxFLANN (complete), Cv (complete), CvAux (C++ part almost...
Recognition And Vision Library (RAVL) 是一个通用 C++ 库，包含计算机视觉、模式识别等模块。
利用OpenCV和C++编写的SURF算法，作者Christopher Evans是首个利用OpenCV和C++结合的方法实现SURF算法。
rpflex 是一个 Flex 开发的库，用来识别照片中的人脸、眼镜和脖子。
优化了OpenCV库在DSP上的速度。
BoofCV 是一个 Java 的全新实时的计算机视觉库，BoofCV 易于使用而且具有非常高的性能。它提供了一系列从低层次的图像处理、小波去噪功能以及更高层次的三维几何视野。使用 BSD 许可证可在商业应用中使用。 这里有篇英文文章用来介绍 BoofCV 的使用。...
SimpleCV 将很多强大的开源计算机视觉库包含在一个便捷的Python包中。使用SimpleCV，你可以在统一的框架下使用高级算法，例如特征检测、滤波和模式识别。使用者不用清楚一些细节，比如图像比特深度、文件格式、颜色空间、缓冲区管理、特征值还有矩阵和图像...
基于OpenCV构建的图像处理和3D视觉库。 示例代码： ImageSequenceReaderF ImageSequenceReader* reader = factory.pathRegex("c:/a/im_%03d.jpg", 0, 20); //ImageSequenceReader* reader = factory.avi("a.avi"); if (reader == NULL) { ...
计算机视觉快速开发平台，提供测试框架，使开发者可以专注于算法研究。
OpenVIDIA projects implement computer vision algorithms running on on graphics hardware such as single or multiple graphics processing units(GPUs) using OpenGL, Cg and CUDA-C. Some samples will soon support OpenCL and Direct Compute API'...
ICL (Image Component Library) 是一种新型的C + +计算机视觉库，由比勒费尔德大学神经信息学组和CITEC开发。它兼顾了性能和用户友好性。 ICL提供了一个易于使用的类和函数的集合，可以开发复杂的计算机视觉应用。 在不到15行的C + +代码（见例子）可以写成...
Matlab 的计算机视觉包，包含用于观察结果的 GUI 组件，貌似也停止开发了，拿来做学习用挺不错的。
ECV 是 lua 的计算机视觉开发库(目前只提供linux支持)
ImageNets 是对OpenCV 的扩展，提供对机器人视觉算法方面友好的支持，使用Nokia的QT编写界面。
对函数库v412的封装，从网络摄像头等硬件获得图像数据，支持YUYV裸数据输出和BGR24的OpenCV& IplImage输出
实现了基于混合高斯模型的点集配准算法，该算法描述在论文： A Robust Algorithm for Point Set Registration Using Mixture of Gaussians, Bing Jian and Baba C. Vemuri. ，实现了C++/Matlab/Python接口...
SIP 是 Scilab（一种免费的类Matlab编程环境）的图像处理和计算机视觉库。SIP 可以读写 JPEG/PNG/BMP 格式的图片。具备图像滤波、分割、边缘检测、形态学处理和形状分析等功能。
The Epipolar Geometry Toolbox (EGT) is a toolbox designed for Matlab (by Mathworks Inc.). EGT provides a wide set of functions to approach computer vision and robotics problems with single and multiple views, and with different vision se...
BazAR 是基于特征点检测和匹配的计算机视觉库。 它能够快速检测和匹配图像中的已知物体，并且能够用于增强现实，它是计算机视觉研究的先进成果。
一个开源的计算机视觉库，实现了 SIFT,MSER, k-means, hierarchical k-means, agglomerative information bottleneck, quick shift等算法。由C语言编写,提供MATLAB接口，文档详细。支持跨平台。...
STAIR Vision Library (SVL) 最初是为支持斯坦福智能机器人设计的，提供对计算机视觉、机器学习和概率统计模型的支持。
SIP 提供了图像处理、模式识别以及计算机视觉处理。 SIP is able to read/write images in almost 90 major formats, including JPEG, PNG, BMP, GIF, FITS, and TIFF. It includes routines for filtering, segmentation, edge detection, morphology, cu...
这个项目的目的是提供一个高效的3D计算机视觉库，用于图像和视频处理。它包括深度立体匹配、光流（运动）估计、遮挡检测和运动平台估计
视频处理、计算机视觉和计算机图形学的快速开发库。
Go-OpenCV 是 Go 语言版的 OpenCV 封装。
Toxiclibs.js 是一个开源的计算机图形设计库，无需外部依赖，使用 &canvas& 元素进行图形绘制。
CLOGS 是 OpenCL C++ API 的高级封装库，其设计目的是集成其他 OpenCL 代码，包括同步 OpenCL 事件，当前支持两个操作：基数排序和独立扫描。
最近更新：&&发布于 2个月前
OpenVGR 包含以下几个实时处理模块 (基于 OpenRTM-1.0): 立体相机采集&(对于 IEEE 1394b 相机), 立体图像浏览器, 3-D 点云重建 (使用 OpenCV),& 基于边缘的 3-D&物体检测 包含以下几个命令行工具: 模型建立, 多相机标定....
使用 OpenCV 函数, 这个项目能从成对的立体图像中重建场景。
Fluere是粒子图像测速（PIV）的图形软件包。 Fluere是高度优化的并行处理，并在多个平台上运行。该项目的目标是提供高质量的测速软件，采用PIV技术处理的最新进展的研究人员和教育工作者，而所使用的算法的完整的知识。
stereoview 是一个立体可视化和标定工具
& 转自 ：http://blog.csdn.net/minstyrain/article/details/
这个应该是目前最全的Tracking相关的文章了,转载请注明出处。
一、Surveyand benchmark：
1.&&&&& PAMI2014：，代码：
2.&&&&& CVPR2013:(需FQ)
3.&&&&& SignalProcessing& 2011：
4.&&&&&&ACCV2006：：中文：
5.&&&&& Evaluationof an online learning approach for robust object tracking
二、研究团体：
1.&&&&& Universityof California at Merced：视觉跟踪当之无愧第一人，后面的人基本上都和气其有合作关系，他引近9000
PAMI：6，CVPR：26，ECCV：17，BMCV：6，NIPS：6，IJCV：3，ACCV：3
代表作：RobustVisual Tracking via Consistent Low-Rank Sparse Learning
FCT,IJCV2014:FastCompressive Tracking
RST,PAMI2014:RobustSuperpixel T SPT,ICCV2011, Superpixeltracking
SVD,TIP2014:LearningStructured Visual Dictionary for Object Tracking
ECCV2014: SpatiotemporalBackground Subtraction Using Minimum Spanning Tree and Optical Flow
PAMI2011:RobustObject Tracking with Online Multiple Instance Learning
MIT,CVPR2009: Visualtracking with online multiple instance learning
IJCV2008: IncrementalLearning for Robust Visual Tracking
2.&&&&& SeoulNational University Professor：2013年在PAMI上发表5篇，至今无人能及
PAMI:13,CVPR:30,ECCV:12,ICCV:8,PR:4
PAMI2014：A GeometricParticle Filter for Template-Based Visual Tracking
ECCV2014:&Robust Visual Tracking with Double Bounding Box Model
PAMI2013:HighlyNonrigid Object Tracking via Patch-based Dynamic Appearance Modeling
CVPR2014:&Interval Tracker: Tracking by Interval Analysis
CVPR2013: MinimumUncertainty Gap for Robust Visual Tracking
CVPR2012:RobustVisual Tracking using Autoregressive Hidden Markov Model
VTS,ICCV2011:Tracking by Sampling Trackers.
VTD,CVPR2010: VisualTracking Decomposition
TST,ICCV2011:Tracking by sampling trackers
3.&&&&& TempleUniversity，
&PMAI:4,CVPR:19,ICCV:17,ECCV:5,TIP:9
CVPR2014:Multi-targetTracking with Motion Context in Tenor Power Iteration
ECCV2014:TransferLearning Based Visual Tracking with Gaussian Process Regression
ICCV2013:Findingthe Best from the Second Bests - Inhibiting Subjective Bias in Evaluation ofVisual Tracking Algorithms
CVPR2013: Multi-targetTracking by Rank-1 Tensor Approximation
CVPR2012:RealTime Robust L1 Tracker Using Accelerated Proximal Gradient Approach
TIP2012: Real-timeProbabilistic Covariance Tracking with Efficient Model Update
ICCV2011: BlurredTarget Tracking by Blur-driven Tracker
PAMI2011ICCV2009: RobustVisual Tracking and Vehicle Classification via Sparse Representation
ICCV2011:RobustVisual Tracking using L1 Minimization
L1O,CVPR2011: Minimumerror bounded efficient l1 tracker with occlusion detection
L1T, ICCV2009:Robustvisual tracking using l1 minimization
4.&&&&& HongKong Polytechnic University AssociateProfessor:&
PAMI:2,CVPR:18,ICCV:14,ECCV:12,ICPR:6,PR:28,TIP:4
STC,ECCV2014: FastTracking via Dense Spatio-Temporal Context Learning
FCT,PAMI2014,ECCV2012:, Minghsuan Yang
IETComputer Vision2012:Scale and Orientation Adaptive Mean Shift Tracking
IJPRAI2009:RobustObject Tracking using Joint Color-Texture Histogram
5.&&&&& 大连理工大学教授&国内追踪领域第一人
CVPR2014:VisualTracking via Probability Continuous Outlier Model
TIP2014:VisualTracking via Discriminative Sparse Similarity Map
TIP2014: RobustSuperpixel Tracking
TIP2014: RobustObject Tracking via Sparse Collaborative Appearance Model
CVPR2013: LeastSoft-threshold Squares Tracking, MinghsuanYang
TIP2013:, Minghsuan Yang
SignalProcessing Letters2013: Graph-RegularizedSaliency Detection With Convex-Hull-Based Center Prior
SignalProcessing2013: On-line LearningParts-based Representation via Incremental Orthogonal Projective Non-negativeMatrix Factorization
CVPR2012:, MinghsuanYang
CVPR2012:, MinghsuanYang
SignalProcessing Letters 2012:Object tracking via 2DPCA and L1-regularization
IETImage Processing 2012:Visual Tracking via Bag of Features
ICPR2012:Superpixel Level Object Recognition Under Local Learning Framework
ICPR2012: Fragment-BasedTracking Using Online Multiple Kernel Learning
ICPR2012: ObjectTracking Based On Local Learning
ICPR2012: ObjectTracking with L2_RLS
ICPR2011:ComplementaryVisual Tracking
FG2011:OnlineMultiple Support Instance Tracking
SignalProcessing2010: A novel methodfor gaze tracking by local pattern model and support vector regressor
ACCV2010: OnFeature Combination and Multiple Kernel Learning for Object Tracking
ACCV: RobustTracking Based on Pixel-wise Spatial Pyramid and Biased Fusion
ACCV2010: HumanTracking by Multiple Kernel Boosting with Locality Affinity Constraints
ICCV2011:SuperpixelTracking, Minghsuan Yang
ICPR2010: RobustTracking Based on Boosted Color Soft Segmentation and ICA-R
ICPR2010: IncrementalMPCA for Color Object Tracking
ICPR2010: Bagof Features Tracking
ICPR2008: GazeTracking By Binocular Vision and LBP Features
6.&&&&& 南京信息工程大学教授,
7.&&&&& OregonstateProfessor,由视频分割转向Tracking
CSL,CVPR2014: Multi-ObjectTracking via Constrained Sequential Labeling
CVPR2011:MultiobjectTracking as Maximum Weight Independent Set
8.&&&&& GrazUniversity of Technology, Austria，博士
CVPR2014:OcclusionGeodesics for Online Multi-Object Tracking
CVPR2013: RobustReal-Time Tracking of Multiple Objects by Volumetric Mass Densities
9.&&&&& 马里兰大学博士
TLD,PAMI2011: Tracking-Learning-Detection
TIP2010: Face-TLD:Tracking-Learning-Detection Applied to Faces
ICPR2010:Forward-BackwardError: Automatic Detection of Tracking Failures
CVPR2010: P-N Learning:Bootstrapping Binary Classifiers by Structural Constraints
BMVC2008: Weighted Sampling forLarge-Scale Boosting
中文讲解：
三、其他早期工作：
最近由于转行做医学图像处理，因此加入几个医学方面的库以及最近在微博疯传的几个库：
& & & &ccv是一个基于C语言的、带缓存的现代计算机视觉库。
链接：/liuliu/ccv，
visionworkbench库
visionworkbench是NASA开发的通用图像处理、计算机视觉算法工具库。代码充分利用C++模板和泛型编程等特性，结构清晰，使用方便。工具库功能也很多，包括了常用数学计算、文件IO、相机模型、几何计算、特征点、Bundle Adjustment。对机器人视觉、三维视觉方面的研发想必很有帮助。
链接：/nasa/visionworkbench/
(Insight Segmentation and Registration Toolkit) 是一个开源，跨平台的图像分析框架，里面有大量的前沿算法，广泛用于图像和。ITK使用C++开发，可由生成不同环境下的可编译工程，并且ITK有对Tcl, Python和Java的封装层，使得开发者可以使用不同的语言进行开发。
链接：http://www.itk.org/
Vtk，（visualization toolkit）是一个开放资源的免费软件系统，主要用于三维计算机图形学、图像处理和可视化。Vtk是在面向对象原理的基础上设计和实现的，它的内核是用C++构建的，包含有大约250,000行代码，2000多个类，还包含有几个转换界面，因此也可以自由的通过Java，Tcl/Tk和Python各种语言使用vtk。
http://www.vtk.org/
The Image-Guided Surgery Toolkit&is a high-level, component-based framework which provides a common functionality for image-guided surgery applications. The framework is a set of high-level components integrated with low-level open source software libraries and application programming interfaces (API) from hardware vendors.
链接：http://www.igstk.org/
DCMTK是由德国offis公司提供的开源项目，并拥有相应的版权。这个开发包经过10多年的开发和维护，已经基本实现了DICOM协议的所有内容。该开发包提供所有的源代码、支持库和帮助文档。DCMTK提供了在各种操作系统下使用的可能版本，如LINUX、SUN、MACOS、WINDOWS等，用户可根据自己的开发平台进行编译。
链接：http://www.dcmtk.org/
陆续更新中。