MS的kinec SDK和OpenNI都提供了人体骨骼跟踪的算法，人体骨骼跟踪算法在kinect人体行为识别中非常重要，该识别过程通常被用来作为行为识别的第一步，比如说，通过定位人体中的骨骼支架，可以提取出人手的部位，从而可以把手的部分单独拿出来分析，这样就达到了手势的定位，而后面的手势识别则可以在刚刚定位出的领域进行处理。总而言之，一套有效的人体骨架追踪算法在kinect的一系列应用中非常有用，不过MS SDK和OpenNI虽然都提供了该算法类的直调用，但是其源码并没有开放，毕竟这是人家最核心

利用KLT跟踪算法进行兴趣点选取和跟踪。 KLT跟踪算法的原始思想是在研究不同图像之间的匹配问题时，通过计算两个平移窗口的灰度残差，并寻找最小化残差SSD(sum of square difference)来实现匹配的。但是这个过程是没有效率的，因此KLT算法进行了优化。在这个过程中，KLT算法使用泰勒展开直接计算平移矢量，而不需要通过遍历进行搜索。 -KLT tracking algorithm to select a point of interest and tracking. K

学习使用OpenCV，对输入的一段彩色视频，用OpenCV实现以下功能或要求: 1. 对输入视频的每一帧图像都用同一个阈值进行二值化； 2.在每帧二值化图像上叠加上含自己学号与姓名等信息的版权字幕； 3. 在处理的过程中，实时显示每帧图片处理之后的效果； 4.将所有这些二值化图像按视频原来顺序合成输出一个视频文件，按原输入视频播放速度的两倍合成； 5. 做成如下的命令行格式，xxx.exe 输入视频文件名 二值化阈值 输出视频文件名（例如 MyBiVideo.exe in