使用颜色信息探测和跟踪道路边缘在主要住宅设置里车道标记可能不存在设置。基于颜色的追踪实施例举例说明了如何使用色彩空间转换块，霍夫变换块，并且卡尔曼滤波块进行检测和使用色调和饱和度跟踪信息。

探测和跟踪道路车道标记在视频序列，并告知司机，如果他们跨越车道移动。该示例示出了如何使用霍夫变换，霍夫线和卡尔曼滤波的块以创建一个线检测和跟踪算法。的例子中实现了该算法使用以下步骤：1）检测车道标记在所述当前视频帧。2）匹配与那些在先前视频帧中检测到的当前的车道标记。3）找到左，右侧车道标线。4）发出警告消息如果跨过任一车道标记的车辆的移动。

检测和计数使用高斯混合模型（的GMM）在视频序列中的汽车。

跟踪一个人的脸和手使用基于颜色的分割方法。

轨道对象在火车站和，以确定哪些保持静止。在公共区域的关注当局弃物，因为它们可能会带来安全风险。算法，如在这个例子中使用的，可以通过使用他们的注意力感兴趣的潜在领域，协助安全人员监控现场监控录像。

检测和跟踪汽车在使用光流估计视频序列。

检查芯和在光纤的横截面中的包层二者的同心度。同心度的核心是如何中心是包层中的测量。

创建其可以识别和解释一个GTIN-13条形码的图像处理系统。该GTIN-13条码，正式名称为EAN-13，是一个国际条码标准。它是广泛使用的UPC标准的超集。

使用绝对差用于检测视频序列中的运动（SAD）方法之和。此示例适用SAD独立视频序列的四个象限。如果在一个象限中检测到运动，则示例用红色加亮的象限。

使用模式匹配和目标跟踪2-d归一化互相关。

使用基本形态学算来提取视频流的信息。在这种情况下，模型计算每个视频帧的订钉数量。注意，在每个视频帧中的焦点和照明变化。

在时间段的视频。在这个例子中，该算法可以被用于检测在视频流大的变化，如当一个商业开始和结束。编辑视频或当你想通过一定的内容，可以直接跳到时，它可能是有用的。

过程监视视频选择包含运动帧。安全问题的任务使用摄像机的重要位置连续监测。为了有效地记录，审查和归档数据的这种大规模的量，你可以减少视频帧的大小或减少您录制的视频帧的总数。这个例子说明了后一种方法。在这里面，在摄像机视场运动触发“有趣”的视频帧的抓取。

认识到交通警示标志，如停止，不进入，和产量，在彩色视频序列。

除去照相机运动的来自视频流的效果。

通过使用图像采集工具箱™提供的从视频设备块从点灰色Flea®2照相机到的Simulink获取实时图像数据。金宝app该示例使用计算机视觉工具箱™创建能够识别并解释GTIN-13条码的图像处理系统。该GTIN-13条码，正式名称为EAN-13，是一个国际条码标准。它是广泛使用的UPC标准的超集。

创建一个从视频序列的马赛克。视频镶嵌拼接是视频帧在一起，形成场景的全面视图的过程。将得到的马赛克图像是视频数据的紧凑表示。视频镶嵌块往往是在视频压缩和监控应用中使用。

通过使用图像采集工具箱™提供的从视频设备块获取从滨松C8484相机实时图像数据到的Simulink。金宝app应用Prewitt算子的方法来找到输入视频流中的对象的边缘。