模板匹配 使用模板匹配的人脸识别系统附加的zip文件包含图像文件夹和yale数据库。在此过程中，我使用LBPH算法得出结果，可以在IDLE工具上对其进行编译和执行，并且应该安装opencv。项目的希望您有任何查询都喜欢，谢谢我，

仿真MATLAB数字验证码识别系统

基于深度学习的果蔬识别系统.pdf

基于CNN的姿势识别 帮助机器通过相机了解人类的行为很重要。 一旦实现，机器就可以对各种人体姿势做出不同的React。 但是该过程也非常困难，因为通常它非常缓慢且耗电，并且需要非常大的存储空间。 在这里，我们着重于实时姿势识别，并尝试使机器“知道”我们做出的姿势。 姿势识别系统由DE10-Nano SoC FPGA套件，相机和HDMI监视器组成。 SoC FPGA捕获来自摄像机的视频流，使用CNN模型识别人体姿势，最后通过HDMI接口显示原始视频和分类结果（站立，行走，挥动等）。 单据 我们在这里上传论文。 并演示了该项目的详细信息。 专案 我们上载我们的项目，包括Matlab，Python和Quartus。 软件版本为： Matlab R2017b 的Python 3.6.3 Python5.1.0 TensorFlow-gpu 1.3.0 Quartus 14.0

数字识别是扫描文档并将其转换为电子格式的过程中必不可少的元素。 在这项工作中，正在提出一种新的多像元大小（MCS）方法，以利用定向梯度直方图（HOG）特征和基于支持向量机（SVM）的分类器对手写数字进行有效分类。 基于HOG的技术对在相关特征提取计算中使用的像元大小选择很敏感。 因此，一种新的MCS方法已用于执行HOG分析和计算HOG功能。 该系统已经在基准MNIST手写数字基准数据库上进行了测试，使用独立测试集策略已达到99.36％的分类精度。 还使用10折交叉验证策略对分类系统进行了交叉验证分析，并且获得了10折分类精度为99.26％。 所提出的系统的分类性能优于使用复杂过程的现有技术，因为在特征空间和分类器空间中使用简单的操作已达到了同等或更好的结果。 该系统的混淆矩阵图和接收器工作特性（ROC）图显示了所提出的基于MCS HOG和SVM的新型数字分类系统的优越性能。

Anaconda 4.10.3 Tensorflow 2.6.0 python3.7.8 1、将图片通过opencv切割识别定位车牌，切割保存 2、识别省份简称、识别城市代号、识别车牌编号 python train-license-province.py train 进行省份简称训练 python train-license-province.py predict 进行省份简称识别 python train-license-letters.py train 进行城市代号训练 python train-license-letters.py predict 进行城市代号识别 python train-license-digits.py train 进行车牌编号训练 python train-license-digits.py predict 进行车牌编号识别

人脸识别系统(已经建立人脸库) 人脸识别步骤： 1. 从摄像头抓取一帧图片。 2. 转换彩色图片帧为灰度图片帧。 3. 检测灰度图片帧的人脸。 4. 处理图片以显示人脸区域（使用 cvSetImageROI() 和 cvCopyImage()）。 5. 预处理脸部图片。 6. 识别图片中的人

机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。本文不是详细的实现过程和原理，而是一个设计方案，由艾孜尔江·艾尔斯兰撰稿。转载请标明出处。

两套自己编写的MATLAB车牌识别源码。第二套较第一套改进了一些。里面带了车牌的图片，在MATLAB下运行main.m文件，选择要识别的图片即可自动识别。

SupPlate车牌识别已经完完全全实际应用13年的时间。 可识别各种大陆的车牌，包括蓝牌和黑牌，黄牌和白牌，其中黑牌可识别港、澳车牌；黄牌可以识别单排黄色车牌，大型车后车牌和摩托车牌；白牌可以识别包括警车，武警车牌和军车。 车牌识别有以下几大特点： (1):对图像质量要求不敏感：即使图片中车牌处于背光、泛白的情况下(术语对比度低) ,或者车牌字符出现断裂、遮挡、有污渍、模糊、掉漆等等情况，本车牌识别都可较好的识别出来； (2):对图像大小格式要求不严格：可以识别任意大小的图片，在默认参数下车牌字符高度在6～60的范围内，均可识别，对施工要求不高； (3): 识别速度快：在P4 2.0 ,512M 机器下768*288图片识别时间不超过50毫秒,如果针对移动实时的可小于30毫秒。 (5):可识别高清晰图片，最大可以获取4个车牌号码。识别500万象素的图像,不超过300毫秒.