sad算法

A. 使用OpenCV进行模板匹配（原图-模板图）

匹配算法有很多，比如最简单的对比原图和模板图的像素值。
但是这种方法稍微有一点旋转和光照变化结果就会很差。

为了改进这个，有了SAD算法。
然后SAD相似的SSD。
再然后是计算区域互相关性的NCC算法。
以上三种算法中，SAD算法最简单，因此当模板大小确定后，SAD算法的速度最快。NCC算法与SAD算法相比要复杂得多。

至于算法的过程，这三个算法都是很好理解的算法，我觉得还是自学比较好。

B. 在Word编辑中，模式匹配查找中能使用的通配符是

在Word编辑中，模式匹配查找中能使用的通配符是：*和?。

模式匹配，数据结构中字符串的一种基本运算，给定一个子串，要求在某个字符串中找出与该子串相同的所有子串，这就是模式匹配。

假设P是给定的子串，T是待查找的字符串，要求从T中找出与P相同的所有子串，这个问题成为模式匹配问题。P称为模式，T称为目标。如果T中存在一个或多个模式为P的子串，就给出该子串在T中的位置，称为匹配成功；否则匹配失败。

(2)sad算法扩展阅读

算法思想：从目标串的的第一个字符起与模式串的第一个字符比较，若相等，则继续对字符进行后续的比较，否则目标串从第二个字符起与模式串的第一个字符重新比较，直至模式串中的每个字符依次和目标串中的一个连续的字符序列相等为止，此时称为匹配成功，否则匹配失败。

若模式子串的长度是m,目标串的长度是n，这时最坏的情况是每遍比较都在最后出现不等，即没变最多比较m次，最多比较n-m+1遍，总的比较次数最多为m(n-m+1)，因此朴素的模式匹配算法的时间复杂度为O(mn)。

朴素的模式匹配算法中存在回溯，这影响到匹配算法的效率，因而朴素的模式匹配算法在实际应用中很少采用。在实际应用主要采用无回溯的匹配算法，KMP算法和BM算法均为无回溯的匹配算法。

C. 安防监控设备的智能算法的类型

背景模型法
背景模型法是利用当前图象和背景图象的差分(SAD)来检测出运动区域，此种安防监控设备可以提供比较完整的运动目标特征数据，精确度和灵敏度比较高，这种安防监控设备具有良好的性能表现。背景的建模和自适应是背景模型法的关键，一般安防监控设备在系统设置时期设置系统自适应学习时间来建模，根据背景实际“热闹程度”选取3~5分钟的学习时间。安防监控设备的系统建模完成后，随着时间的变化，背景会有相应的改变，而安防监控设备的系统具有“背景维护”能力，可以将一些后来融入背景的图象，如云等自动加为背景。
时间差分法
在安防监控设备中，时间差分法就是高级的VMD，又称相邻帧差法，即利用视频图像特征，从连续得到的视频流中提取所需要的动态目标信息。安防监控设备中的时间差分法的实质是将相邻帧图像相减来提取前景目标的移动信息。在安防监控设备中此方法不能完全提取所有相关特征像素点，只检测出目标的边缘，安防监控设备在其提取的运动实体内部可能出现空洞。

D. 计算机图像处理SSD和 SAD啥意思

SSD，即Sum of Squared Differences，就是估算值与估算对象之差值的平方和。一般又称为 Mean Squared Error。
SAD，即Sum of Absolute Differences，就是差的绝对值的和。此算法常用于图像块匹配，将每个像素对应数值之差的绝对值求和，据此评估两个图像块的相似度。可以看出这个算法很快速、但并不精确，通常用于多级处理的初步筛选。