基于matlab的图像处理，概述如何应用该软件实现对车辆的监测和识别

本文于infoq.com，介绍了人脸检测与人脸识别，MTCNN模型，MTCNN模型推理，FaceNet模型，FaceNet模型推理等。人脸检测是对人脸进行识别和处理的第一步，主要用于检测并定位图片中的人脸，返回高精度的人脸框坐标及人脸特征点坐标。人脸识别会进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。目前人脸检测/识别的应用场景逐渐从室内演变到室外，从单一限定场景发展到广场、车站、地铁口等场景，人脸检测/识别面临的要求也越来越高，比如：人脸尺度多变、数量冗大、姿势多样包括俯拍人脸、戴帽子口罩等的遮挡、表情夸张、化妆伪装、光照条件恶劣、分辨率低甚至连肉

使用opencv的支持向量机提取车牌位置，使用多层感知机网络识别车牌字符，运行效果OK。 环境需求: eclipse juno ndk(r9) android sdk 4.4 api 19 opencv 2.4.7 android版本 cygwin 准备工作: 1.将E:\OpenCV-2.4.7.1-android-sdk\sdk中的java项目导入工作空间，日后凡事java端调用opencv的函数都要用到这个类库 2.安装opencv manager.apk，目前在android上所有的opencv程序都必须依附于android manger。在DOS窗口口中执行: 开始项目: 1.新建android application工程，取名CarPlate，右击项目属性，勾选opencv类库 2.将汽车照片复制到drwabale随便哪个目录下，然后编写布局文件activity_main.xml: 3.新建CarPlateDetection类，编写本地化方法，作为调用c语言代码的入口: 更多操作步骤，详见附件内容。

人脸检测和人脸识别技术是深度学习的重要应用之一。基于opencv3+python实现人脸检测和识别。

基于CTPN（tensorflow） CRNN（pytorch） CTC的不定长文本检测和识别

本文于infoq.com，介绍了人脸检测与人脸识别，MTCNN模型，MTCNN模型推理，FaceNet模型，FaceNet模型推理等。人脸检测是对人脸进行识别和处理的第一步，主要用于检测并定位图片中的人脸，返回高精度的人脸框坐标及人脸特征点坐标。人脸识别会进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。目前人脸检测/识别的应用场景逐渐从室内演变到室外，从单一限定场景发展到广场、车站、地铁口等场景，人脸检测/识别面临的要求也越来越高，比如：人脸尺度多变、数量冗大、姿势多样包括俯拍人脸、戴帽子口罩等的遮挡、表情夸张、化妆伪装、光照条件恶劣、分辨率低甚至连肉

该课题为基于matlab眼部检测的疲劳驾驶系统。我们可以假设有一部摄像头对着大巴司机或者或者司机，对司机进行实时的监测，每隔数秒进行一次疲劳的判别，如果说疲劳驾驶则进行报警或者提示司机。检测方法为先进行人脸定位，在寻找眼睛再去判别眼睛属于睁开还是闭住。去统计闭眼的频率。

将视频图像转换到HSV空间，利用H分量提取图像中红色 区域位置，V分量提取图像中车底的水平边缘位置，两者结合确定图像中车辆的候选区域。然后，利用改进的Gabor 滤波器组对 图像中的候选区域特性进行提取，最后利用支持向量机对提取的候选区域特性进行训练、识别。滤波器组通过量子进化算法进 行了改进，其中引入了小生境协同进化算法并对优化后的滤波器组进行聚类减少多余的滤波器，降低冗余度

基于FPGA的图像边缘检测系统设计（FPGA手势识别）

YOLO宠物 YOLO实时宠物检测和识别 用于使用或测试 从我们的下载经过训练的体重文件，或者自己进行训练。 克隆项目 git clone https://github.com/pjreddie/darknet cd darknet 修改yolo源代码 vim examples/yolo.c 创建一个新的标签字符串数组。 char *pet_names[] = {"Abyssinian", "Bengal", "Birman", "Bombay", "British_Shorthair", "Egyptian_Mau", "Maine_Coon", "Persian", "Ragdoll", "Russian_Blue", "Siamese", "Sphynx", "american_bulldog", "american_pit_bull_terrier", "basset_h