cubic reno
bbr
bbrv2
new reno
quic下的拥塞控制算法
我们打算部分场景用quic代替tcp

OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类[构成]，同时提供了Python、Ruby、MATLAB等语言的接口，实现了[图像处理]和计算机视觉方面的很多通用算法。

源码

模块	功能
Core	核心基础模块，定义了被所有其他模块和基本数据结构使用的基本函数，底层数据结构和算法函数
Imgproc	图像处理模块，包括：滤波、高斯模糊、形态学处理、几何变换、颜色空间转换及直方图
Highgui	高层用户交互模块，包括：GUI、图像与视频IO等
Video	视频分析、运动分析、目标跟踪
Calib3d	3D模块，包括：摄像机标定、立体匹配、3D重建等
Features2d	二维特征检测与描述模块，包括：图像特征检测、描述、匹配等
Objecttect	目标检测模块，如：人脸检测等
MI	机器学习模块，包括：支持向量机、神经网络等
Flann	最近邻开源库。包含一系列查找算法，自动选取最快算法的机制。
Imgcodecs	图像编解码模块，图像文件的读写操作
Photo	图像计算(处理)模块，图像修复及去噪。
Shape	形状匹配算法模块。描述形状、比较形状
Stiching	图像拼接
Superres	超分辨率模块
Videoio	视频读写模块，视频文件包括摄像头的输入。
Videostab	解决拍摄的视频稳定
Dnn	深度神经网络
contrib	可以引入额外模块

概念扫盲

• LBP(Local Binary Pattern) 局部二值模式
• PCA(Principal Component Analysis) 常用数据分析方法

人脸识别流程

1.图像采集，静态图片，视频文件，摄像头，流媒体
imread
2.图像预处理，简化图像、缩放、灰度化、二值化、滤波处理
equalizeHist(InputArray src, OutputArray dst)

3.特征提取，HARR，HOG，LBP....
4.匹配对比，分类对比

OpenCV常用类和方法

接口｜说明
----｜---
cvtColor｜颜色空间转换
threshold()|二值化
findContours()|检测轮廓
drwaContours()|绘画轮廓
PCA|数据分析方法
equalizeHist|直方图均衡化处理

core核心功能

imgproc图像 - 图像处理

highgui模块 - 高层GUI和媒体I/O

calib3d模块 - 相机定位和3维重建

feature2d模块 - 2D特征框架

Video模块 - 视频分析

参考 (opens new window)
图像质量评价指标之 PSNR 和 SSIM

• PSNR (Peak Signal-to-Noise Ratio) 峰值信噪比
• SSIM (Structural SIMilarity) 结构相似性

VideoIO模块	说明
VideoCapture

objdetect模块 - 物体检测

ml模块 - 机器学习

gpu模块 - 使用GPU加速的计算机视觉