基于Python+Opencv的车牌识别系统 用python3+opencv3做的中国车牌识别，包括算法和客户端界面，只有2个文件，surface.py是界面代码，predict.py是算法代码，界面不是重点所以用tkinter写得很简单。 使用方法： 版本：python3.4.4，opencv3.4和numpy1.14和PIL5 下载源码，并安装python、numpy、opencv的python版、PIL，运行surface.py即可 算法实现： 算法思想来自于网上资源，先使用图像边缘和车牌颜色定位车牌，再识别字符。车牌定位在predict方法中，为说明清楚，完成代码和测试后，加了很多注释，请参看源码。车牌字符识别也在predict方法中，请参看源码中的注释，需要说明的是，车牌字符识别使用的算法是opencv的SVM， opencv的SVM使用代码来自于opencv附带的sample，StatModel类和SVM类都是sample中的代码。SVM训练使用的训练样本来自于github上的EasyPR的c++版本。由于训练样本有限，你测试时会发现，车牌字符识别，可能存在误差，尤其是

资源内容：基于Python实现图像去雨、去模糊、去噪（完整源码+数据）.rar 代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 适用对象：工科生、数学专业、算法等方向学习者。 作者介绍：某大厂资深算法工程师，从事Matlab、Python、C/C++、Java算法仿真工作10年；擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、智能控制、路径规划、无人机等多种领域的算法仿真实验。欢迎交流学习

安全技术课程设计基于python的安全即时通讯系统。功能需求 聊天客户端 注册：用户与集中服务器通信完成注册，包括用户名、密码、邮箱、性别、年龄、数字证书等信息传输，其中数字证书包含公钥、用户名、邮箱等信息。私钥单独保存在客户端一个文件夹下不进行传输；能显示用户名、邮箱不符合格式规范或者重复，空输入等错误信息。 认证登录：客户端与集中服务器通信完成用户名、口令认证登录；能显示用户名、密码错误导致的登录错误信息。还有已登录账号再次登录时的多重登录检验，并将之前登陆的账号顶下去。 好友管理：用户可通过服务器进行搜索、添加、删除好友。 即时通信：用户通过客户端实现与好友的聊天，包括文字、图片传输。文字可实现字体颜色和大小的改变。 聊天记录：客户端能够保存聊天记录并且可以查看聊天记录。 消息加解密：采用D-H体制协商加密秘钥，用对称密码AES算法进行加解密。 消息摘要：使用MD5算法实现消息摘要认证功能，确保发送消息的完整性。 用户未读消息提醒：红点标注未读消息数目，并按最后发送消息时间排列好友列表。 用户离线后消息处理：用户上线后及时接收到离线时好友发送的消息。

基于Python+Django的人员管理系统源码； 使用人群：学习Django框架的人员；是我做毕业设计开发的一个人员管理系统； 需要自行安装python、Django和mysql；可以网上找步骤，我后期也会出几篇安装配置开发教程，可以关注我； 1、安装python、Django和mysql 2、创建Django项目和app；项目名称为：Personnel；app名称为：system； 3、mysql中创建对应的数据库Personnel，settings.py文件中的数据库配置对应修改（主要是数据库的用户名密码等） 4、执行以下两个命令 python manage.py makemigrations python manage.py migrate 5、创建后台管理用户 python manage.py createsuperuser 6、启动程序 python manage.py runserver 打开程序页面

这不是一次简单的机器视觉项目课程，课程中把很多理论性极强的知识点进行了应用，让本身很晦涩的知识点变得简单易用，这才是课程的精华之处。因为在时下也有很多智能识别的项目，而本次的项目的不同之处就在于它将这些很多关联技术都应用在其中，适合从事深度学习和机器视觉的同学们，加深理解。

功能描述 1. 每个电梯里面设置必要功能键：如数字键、关门键、开门键、上行键、下行键、报警键、当前电梯的楼层数、上升及下降状态等。 2. 每层楼的每部电梯门口，应该有上行和下行按钮和当前电梯状态的数码显示器。 3. 五部电梯门口的按钮是互联结的，即当一个电梯按钮按下去时，其他电梯的相应按钮也就同时点亮，表示也按下去了。 4. 所有电梯初始状态都在第一层。每个电梯如果在它的上层或者下层没有相应请求情况下，则应该在原地保持不动。

资源包含文件：设计报告word+代码 股票价格预测详细介绍参考：https://biyezuopin.blog.csdn.net/article/details/122463596?spm=1001.2014.3001.5502

easytorch 使用Python的numpy实现的简易深度学习框架，API与pytorch基本相同，实现了自动求导、基础优化器、layer等。 1 文档目录 2 Quick Start from easytorch.layer import Linear, Tanh, Sequential from easytorch.optim import SGD import easytorch.functional as F # Create a model, optimizer, loss function model = Sequential( Linear(1, 5), Tanh(), Linear(5, 1) ) opt = SGD(model.parameters(), lr=3e-4) loss_fn = F.mse_loss # train the mod

基于Opencv的车牌识别系统，Python代码，跑起来很容易，适合对机器学习感兴趣的同学，项目中整理了不少车牌标注图片，能够节省大量的工作量。 毕业设计基于Opencv的车牌识别系统 - 版本：python3.7.3，opencv4.0.0.21，numpy1.16.2，tkinter和PIL5.4.1. 算法思想来自于网上资源，先使用图像边缘和车牌颜色定位车牌，再识别字符。车牌定位在predict方法中，为说明清楚，完成代码和测试后，加了很多注释，请参看源码。车牌字符识别也在predict方法中，请参看源码中的注释，需要说明的是，车牌字符识别使用的算法是opencv的SVM， opencv的SVM使用代码来自于opencv附带的sample，StatModel类和SVM类都是sample中的代码。SVM训练使用的训练样本来自于github上的EasyPR的c++版本。由于训练样本有限，你测试时会发现，车牌字符识别，可能存在误差，尤其是第一个中文字符出现的误差概率较大。 由于样本数据来自网络，因此识别率只是看看而已。但清楚的图片还是可以识别出来的。

基于Python的智能停车场车牌识别计费系统设计与实现（源码+可执行文件）.zip基于Python的智能停车场车牌识别计费系统设计与实现（源码+可执行文件）.zip基于Python的智能停车场车牌识别计费系统设计与实现（源码+可执行文件）.zip基于Python的智能停车场车牌识别计费系统设计与实现（源码+可执行文件）.zip基于Python的智能停车场车牌识别计费系统设计与实现（源码+可执行文件）.zip基于Python的智能停车场车牌识别计费系统设计与实现（源码+可执行文件）.zip基于Python的智能停车场车牌识别计费系统设计与实现（源码+可执行文件）.zip基于Python的智能停车场车牌识别计费系统设计与实现（源码+可执行文件）.zip基于Python的智能停车场车牌识别计费系统设计与实现（源码+可执行文件）.zip基于Python的智能停车场车牌识别计费系统设计与实现（源码+可执行文件）.zip基于Python的智能停车场车牌识别计费系统设计与实现（源码+可执行文件）.zip基于Python的智能停车场车牌识别计费系统设计与实现（源码+可执行文件）.zip基于Python