sad演算法

A. 使用OpenCV進行模板匹配（原圖-模板圖）

匹配演算法有很多，比如最簡單的對比原圖和模板圖的像素值。
但是這種方法稍微有一點旋轉和光照變化結果就會很差。

為了改進這個，有了SAD演算法。
然後SAD相似的SSD。
再然後是計算區域互相關性的NCC演算法。
以上三種演算法中，SAD演算法最簡單，因此當模板大小確定後，SAD演算法的速度最快。NCC演算法與SAD演算法相比要復雜得多。

至於演算法的過程，這三個演算法都是很好理解的演算法，我覺得還是自學比較好。

B. 在Word編輯中，模式匹配查找中能使用的通配符是

在Word編輯中，模式匹配查找中能使用的通配符是：*和?。

模式匹配，數據結構中字元串的一種基本運算，給定一個子串，要求在某個字元串中找出與該子串相同的所有子串，這就是模式匹配。

假設P是給定的子串，T是待查找的字元串，要求從T中找出與P相同的所有子串，這個問題成為模式匹配問題。P稱為模式，T稱為目標。如果T中存在一個或多個模式為P的子串，就給出該子串在T中的位置，稱為匹配成功；否則匹配失敗。

(2)sad演算法擴展閱讀

演算法思想：從目標串的的第一個字元起與模式串的第一個字元比較，若相等，則繼續對字元進行後續的比較，否則目標串從第二個字元起與模式串的第一個字元重新比較，直至模式串中的每個字元依次和目標串中的一個連續的字元序列相等為止，此時稱為匹配成功，否則匹配失敗。

若模式子串的長度是m,目標串的長度是n，這時最壞的情況是每遍比較都在最後出現不等，即沒變最多比較m次，最多比較n-m+1遍，總的比較次數最多為m(n-m+1)，因此樸素的模式匹配演算法的時間復雜度為O(mn)。

樸素的模式匹配演算法中存在回溯，這影響到匹配演算法的效率，因而樸素的模式匹配演算法在實際應用中很少採用。在實際應用主要採用無回溯的匹配演算法，KMP演算法和BM演算法均為無回溯的匹配演算法。

C. 安防監控設備的智能演算法的類型

背景模型法
背景模型法是利用當前圖象和背景圖象的差分(SAD)來檢測出運動區域，此種安防監控設備可以提供比較完整的運動目標特徵數據，精確度和靈敏度比較高，這種安防監控設備具有良好的性能表現。背景的建模和自適應是背景模型法的關鍵，一般安防監控設備在系統設置時期設置系統自適應學習時間來建模，根據背景實際「熱鬧程度」選取3~5分鍾的學習時間。安防監控設備的系統建模完成後，隨著時間的變化，背景會有相應的改變，而安防監控設備的系統具有「背景維護」能力，可以將一些後來融入背景的圖象，如雲等自動加為背景。
時間差分法
在安防監控設備中，時間差分法就是高級的VMD，又稱相鄰幀差法，即利用視頻圖像特徵，從連續得到的視頻流中提取所需要的動態目標信息。安防監控設備中的時間差分法的實質是將相鄰幀圖像相減來提取前景目標的移動信息。在安防監控設備中此方法不能完全提取所有相關特徵像素點，只檢測出目標的邊緣，安防監控設備在其提取的運動實體內部可能出現空洞。

D. 計算機圖像處理SSD和 SAD啥意思

SSD，即Sum of Squared Differences，就是估算值與估算對象之差值的平方和。一般又稱為 Mean Squared Error。
SAD，即Sum of Absolute Differences，就是差的絕對值的和。此演算法常用於圖像塊匹配，將每個像素對應數值之差的絕對值求和，據此評估兩個圖像塊的相似度。可以看出這個演算法很快速、但並不精確，通常用於多級處理的初步篩選。