133. HOGDescriptor :: setSVMDetector：设置线性SVM分类器的系数;
134. HOGDescriptor :: getDefaultPeopleDetector：返回经过人员检测训练的分类器的系数（默认窗口大小）;
135. HOGDescriptor :: getPeopleDetector48x96：返回经过人员检测的分类器系数（48 * 96windows）;
136.HOGDescriptor :: getPeopleDetector64x128：返回经过人员检测的分类器系数（64 * 128个窗口）;
137.HOGDescriptor :: detect：执行不带多尺度窗口的对象检测;
138.HOGDescriptor :: detectMultiScale：使用多尺度窗口执行对象检测;
139.HOGDescriptor :: getDescriptors：返回为整个图像计算的块描述符;
140. class :: CascadeClassifier_GPU：用于对象检测的级联分类器类，支持HAAR和LBP级联;
141. CascadeClassifier_GPU :: empty：检查分类器是否加载;
142. CascadeClassifier_GPU :: load：从文件加载分类器，以前的内容被销毁;
143.CascadeClassifier_GPU :: release：破坏加载的分类器;
144. CascadeClassifier_GPU :: detectMultiScale（cv :: CascadeClassifier :: detectMultiScale）：检测输入图像中不同大小的对象;
145. class :: FAST_GPU（cv :: FAST）：用于使用FAST算法进行角点检测的类;
146.FAST_PUG :: operator（）：使用FAST检测器找到关键点;
147.FAST_PUG :: downloadKeypoints：从GPU到CPU内存的关键点：
148.FAST_PUG :: convertKeypoints：将关键点从GPU表示转换为关键点向量;
149. FAST_PUG :: release：释放内部缓冲内存;
150.FAST_PUG :: calsKeyPointsLocation：如果nonmaxSupression为true，则查找关键点并计算它的响应;
151. FAST_PUG :: getKeyPoints：获取关键点的最终数组;
152.类:: ORB_GPU：用于从图像中提取ORB特征和描述符的类;
153.ORG_PUG :: operator（）：检测关键点并计算它们的描述符;
154. ORG_PUG :: downlaodKeyPoints：从GPU下载关键点到CPU内存;
155. ORG_PUG :: convertKeyPoints：将关键点从GPU表示转换为KeyPoint的向量;
156. ORG_PUG :: release：释放内部缓冲存储器;
157. class :: BruteForceMatcher_GPU_base（cv :: DescriptorMatcher，cv :: BFMatcher）：强力描述符匹配器，对于第一个集合中的每个描述符，此匹配器通过尝试每个人来查找第二个集合中最接近的描述符，该描述符匹配器支持掩蔽描述符集之间的允许匹配;
158. BruteForceMatcher_GPU_base :: match（cv :: DescriptorMatcher :: match）：从具有列车描述符的查询集中找到每个描述符的最佳匹配;
159.BruceForceMatcher_GPU_base :: makeGpuCollection：以gpu :: BruteForceMatcher_GPU_base :: matchCollection函数的格式执行一个训练描述符和掩码的GPU集合;
160. BruteForceMatcher_GPU_base :: matchDownload：通过gpu :: BruteForceMatcher_GPU_base :: matchSingleor gpu :: BruteForceMatcher_GPU_base :: matchCollection获取的矩阵向量与DMatch;
161. BruteForceMatcher_GPU_base :: matchConvert：将通过gpu :: BruteForceMatcher_GPU_base :: matchSingleor gpu :: BruteForceMatcher_GPU_base :: matchCollection获取的矩阵转换为带有DMatch的向量;
162. BruteForceMatcher_GPU_base :: knnMatch（cv :: DescriptorMatcher :: knnMatch）：从具有列车描述符的查询集中找到每个描述符的最佳匹配;
163. BruteForceMatcher_GPU_base :: knnMatchDownload：通过gpu :: BruteForceMatcher_GPU_base :: knnMatchSingleor gpu :: BruteForceMatcher_GPU_base :: knnMatch2Collection获取的矩阵，通过DMatch获取;
164. BruteForceMatcher_GPU_base :: knnMatchConvert：将通过gpu :: BruteForceMatcher_GPU_base :: knnMatchSingleor gpu :: BruteForceMatcher_GPU_base :: knnMatch2Collection获取的矩阵转换为带有MQatch的CPU向量;
165. BruteForceMatcher_GPU_base :: radiusMatch（cv :: DescriptorMatcher :: radiusMatch）：对于每个查询描述符，找到距离小于给定阈值的最佳匹配;
166. BruteForceMatcher_GPU_base :: radiusMatchDownload：通过gpu :: BruteForceMatcher_GPU_base :: radiusMatchSingleor gpu :: BruteForceMatcher_GPU_base :: radiusMatchCollection获取的矩阵，以vector为载体;
167. BruteForceMatcher_GPU_base :: radiusMatchConvert：将通过gpu :: BruteForceMatcher_GPU_base :: radiusMatchSingleor gpu :: BruteForceMatcher_GPU_base :: radiusMatchCollection获取的矩阵转换为带有DMatch的向量;
169.class :: BaseRowFilter_GPU：处理2D数组行的线性或非线性过滤器的基类，这些过滤器用于可分离过滤器中的“水平”过滤通过;
170.class :: BaseColumnFilter_GPU：处理2D数组列的线性或非线性过滤器的基类，这些过滤器用于可分离过滤器中的“垂直”过滤通道;
170. class :: BaseFilter_GPU：不可分离的2D过滤器的基类;
171. class :: FilterEngine_GPU：Filter Engine的基类;
172. createFilter2D_GPU（gpu :: createBoxFilter_GPU）：创建一个不可分离的过滤器引用指定的过滤器;
173. createSeqrableFilter_GPU：使用指定的过滤器创建一个可分离的过滤器引擎;
174.getRowSumFilter_GPU：创建一个水平的1D框过滤器;
175. getColumnSumFilter_GPU：创建一个垂直的1D框过滤器;
176.createBoxFilter_GPU（cv :: boxFilter）：创建一个标准化的二维框过滤器;
177.boxFilter（cv :: boxFilter）：使用标准化框过滤器平滑图像;
178. blur（cv :: blur，gpu :: boxFilter）：作为标准化框过滤器的同义词;
179.createMorphologyFilter_GPU（cv :: createMorphologyFilter）：创建一个2D形态过滤器;
180.侵蚀（cv :: erode）：通过使用特定的结构元素侵蚀图像;
181.扩大（cv ::扩张）：通过使用特定的结构元素扩张图像;
182.形态学（cv :: morphologyEx）：对图像应用先进的形态学手术;
183.createLinearFilter_GPU（cv :: createLinearFilter）：创建一个可分离的线性过滤器;
184.filter2D（cv :: filter2D，gpu :: convolve）：将可分离的2D线性滤波器应用于图像;
185.拉普拉斯算子（cv :: Laplacian，gpu :: filter2D）：将拉普拉斯算子应用于图像;
186. getLinearRowFilter_GPU（cv :: createSeparableLinearFilter）：使用指定的内核创建aprimitive行过滤器;
187. getLinearColumnFilter_GPU（cv :: createSeparableLinearFilter）：使用指定的内核创建无序列过滤器;
188. createSeparableLinearFilter_GPU（cv :: createSeparableLinearFilter）：创建可分离的线性过滤器引擎;
189.sepFilter2D（cv :: sepFilter2D）：将一个可分离的2D线性滤波器应用于图像;
190.createDerivFilter_GPU（cv :: createDerivFilter）：为广义Sobel运算符创建afilter引擎;
191.Sobel（cv :: Sobel）：将广义Sobel算子应用于图像;
192Scharr（cv :: Scharr）：使用Scharroperator计算第一个x或y图像导数;
193.createGaussianFilter_GPU（cv :: createGaussianFilter）：创建一个高斯滤波引擎;
194. GaussianBlur（cv :: GaussianBlur）：使用高斯滤波器平滑图像;
195. getMaxFilter_GPU：创建最大过滤器：
196.getMinFilter_GPU：创建最小过滤器;
197.class :: StereoBM_GPU：使用块匹配算法的类计算立体声对应（视差图）;
198. StereoBM_GPU :: operator：启用找到指定的立体声对的视差的立体声对应运算符;
199. StereoBM_GPU :: checkIfGpuCallReasonable：使用启发式方法来估计当前GPU在该算法中比CPU更快，这是当前有效的设备;
200. class :: StereoBeliefPropagation：使用置信传播算法的类计算立体声对应关系;
201. StereoBeliefPropagation :: estimateRecommendedParams：使用启发式方法来计算指定图像大小（宽和高）的推荐参数（ndisp，iters和levels）;
202. StereoBeliefPropagation :: operator：使立体声对应操作器能够找到指定的整流立体声对ordata成本的差异;
203. class :: StereoConstantSpaceBP：使用恒定空间置信传播算法的类计算立体声对应;
204. StereoConstantSpaceBP :: estimateRecommendedParams：使用一个启发式来计算指定图像大小（宽度和高度）的参数（ndisp，iters，levels和nrplane）;
205. StereoConstantSpaceBP :: operator：启用找到指定的rectifiedstereo对的视差的立方体对应运算符;
206. class ::差距双边筛选：使用联合双边筛选来分类视差图;
207. DisparityBilateralFilter :: operator：使用联合双边过滤来优化视差图;
208.drawColorDisp：颜色差异图像;
209. reprojectImageTo3D（cv :: reprojectImageTo3D）：将adisparity映像重新映射到3D空间;
210.PropPanPRansac（cv :: solvePnPRansac）：从3D-2D点对应中找到对象;
211. class :: BroxOpticalFlow：使用Brox等人光学流算法计算两个图像的光流;
212. class ::GoodFeaturesToTrackDetector_GPU（cv :: goodFeaturesToTrack）：用于图像强角检测的类;
213GoodFeaturesToTrackDetector_GPU :: operator（cv :: goodFeaturesToTrack）：在图像中找到最重要的角色;
214. GoodFeaturesToTrackDetector_GPU :: releaseMemory：releasesinner buffers memory;
215. class :: FarnebackOpticalFlow：使用Gunnar Farneback算法的类计算adense光流;
216. FarnebackOpticalFlow :: operator（cv :: calcOpticalFlowFarneback）：使用Gunnar Farneback算法计算加密光流;
217. FarnebackOpticalFlow :: releaseMemory：发布未使用的内存缓冲区;
218. class ::PyrLKOpticalFlow（cv :: calcOpticalFlowPyrLK）：用于计算光流的类;
219. PyrLKOpticalFlow :: sparse：计算稀疏特征集的光流;
220. PyrLKOpticalFlow :: dense：计算密集光流;
221. PyrLKOpticalFlow :: releaseMemory：释放内部缓冲区内存;
222. interpolateFrames：使用提供的光流量（位移场）内插帧（图像）;
223.class :: FGDStatModel：用于background / foregroundsegmentation的类;
224.FGDStatModel :: create：初始化背景模型;
225. FGDStatModel :: release：释放所有内部缓冲区的内存;
226.FGDStatModel :: update：更新背景模型并返回前景区域数;
227.class :: MOG_GPU（cv :: BackgroundSubtractorMOG）：基于GaussianMixture的后台/前景分割算法;
228. MOG_GPU :: operator：更新背景模型并返回前景蒙版;
229. MOG_GPU :: getBackgroundImage：计算abackground图像;
230. MOG_GPU :: release：释放所有内部缓冲区的内存;
231.class :: MOG2_GPU（cv :: BackgroundSubtractorMOG2）：基于GaussianMixture的背景/前景分割算法;
232.MOG2_GPU :: operator：更新背景模型并返回前景蒙版;
233MOG2_GPU :: getBackgroundImage：计算abackground图像;
234MOG2_GPU :: release：释放所有内部缓冲区的内存;
235. class :: GMG_GPU：用于背景/前景分割的类;
236. GMG_GPU :: initialize：初始化后台模型并分配所有内部缓冲区;
237.GMG_GPU :: operator：更新背景模型并返回前景蒙版;
238.GMG_GPU :: release：释放所有内部缓冲区的内存;
239.类::VideoWriter_GPU：video writercalss;
240. VideoWriter_GPU :: open：初始化或重新初始化视频作者;
241.VideoWriter_GPU :: isOpened：返回true ifvideo writer已成功初始化;
242.VideoWriter_GPU :: close：释放视频作者;
243.VideoWriter_GPU :: write：写入下一个视频帧;
244. strct ::VideoWriter_GPU :: EncoderParams：CUDA视频编码器的不同参数;
245. VideoWriter_GPU :: EncoderParams :: load：从配置文件读取参数;
246.VideoWriter_GPU :: EncoderParams :: save：保存参数toconfig文件;
247. class ::VideoWriter_GPU :: EncoderCallBack：用于CUDA视频编码器的回调;
