源码名称： 图片相似图识别 主要功能： 支持识别，经过角度旋转，经过干扰，经过扭曲，完全不相同但近似的图。 论坛的很多图片相似度识别源码，大体都只能对比图片高度一致的图片才有效，对于经过了旋转角度，颜色干扰，或者根本就不是一张图，但是是一种类型的图。都起不了作用，所以自己研究搞了这个源码 相关知识点来自baidu! 功能原理： 思路源自三原色也就是RGB。 众所周知RGB 色彩模式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的， RGB 即是代表红、绿、蓝三个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色。 三原色，每个原色可以生成256种颜色。三通道加一起刚好就是256*3种颜色。每张图片相同的图片。所使用的颜色数量基本上近似一致。而不相同的图片，颜色使用量可以说是差距很大。 由此想到，记录红、绿、蓝三个通道的各自256中颜色的量。进行两张图片对比。设置一个容差值 假设为-100 和 + 100 为什么设置容差值呢，因为相同的一种图片 肉眼看着一致，很多时候，颜色值还是有点差距的。但是这个差距一定是

大数据-算法-货车底部手把和拉杆的故障识别算法研究.pdf

一种基于LBP改进的人脸识别算法.pdf

深度神经网络在静态图像领域已取得突破性进展,并逐步扩展到视频识别领域。人体动作识别是视频识别领域的研究热点和难点,因此,提出了一种基于双流快速区域卷积神经网络(Faster RCNN)改进的人体动作识别算法。首先,用RGB(Red,Green,Blue)图像和光流数据作为网络的输入,分别训练Faster RCNN;然后,将训练好后的网络模型进行融合,并引入改进的压缩和激励模块对特征通道进行处理,以突出重要特征;最后,用完全的交并比损失函数作为边框回归损失函数,以优化某些预测框与真实框不能相交等问题。实验结果表明,相比传统的Faster RCNN,本算法在动作识别数据集UCF101上的准确率得到了一定的提高。

面部识别方法最早是在安全系统中用于识别和比较人脸的方法，它比生物特征识别和虹膜识别要好得多，该技术已在虹膜识别，图像检测等方面实现。最近，这些方法也在其他研究领域得到了探索并已成为商业标识和营销工具。 本文介绍了不同的面部识别算法，并比较了它们的识别精度。 通过保存在数据库中的Haar Cascades算法检测人脸，此后，该研究旨在比较著名算法Eigen人脸与PCA，SVM，KNN和CNN的人脸识别精度。 结果表明，在我们使用的CNN的三种算法中，其准确性最高。

通过 CNN 等基于深度特征的人脸自发式微表情识别分类方法逐渐完善，相比于传统的特征提取方法更易满足应用实时性，针对微表情持续时间短、动作幅度细微，在多卷积层叠加会丢失图像中的细微信息的问题，为了完善细节信息，充分提取微表情细微特征，提出结合空洞卷积核及人脸自动校正算法，完善 CNN 网络特征提取过程，通过自动人脸矫正适应实际应用中的实时识别分类，在 CASME 及 CASMEⅡ微表情公开数据集上完成模型训练及测试，通过损失函数方案对比提高模型鲁棒性，CASME 中准确率为 70.16%，CASMEⅡ中准确率为 72.26%；实时识别帧率在 60fps。该方法能有效地提高微表情识别准确率，满足实时性要求，且具有较好的鲁棒性和泛化能力。

基于FMCW 雷达的多维参数手势识别算法

介绍MPSK调制识别的过程以及算法及使用计算机仿真的结果及结果分析。

关键词识别matlab源代码虹膜识别 我制作了Iris-Recognition system ，该Iris-Recognition system在Matlab和Python中均已实现。 关键字：虹膜识别，生物识别，计算机视觉，图像处理，Daugman 更新 :party_popper: :party_popper: :party_popper: 21/08/2019 ：我已经创建了一个新的存储库，用于通过在Windows中使用深度学习来解决虹膜识别。 目录 一，引言 2017年夏季，我在“数字信号处理”课程中遇到了我的老师。 他向我推荐了生物识别技术主题。 从那时起，我就开始探索有关生物识别的知识，例如指纹，虹膜和面部。 我在Internet上搜索，发现了一个开源的虹膜识别模型，该模型是在Matlab上编写的。 多亏了这个开放源代码的作者，我才能创建自己的系统。 ： Libor Masek, Peter Kovesi. MATLAB Source Code for a Biometric Identification System Based on Iris Patterns. The School of Computer Science and Softwar

水稻，原产于中国，是最悠久的粮食种类之一，也是世界主要粮食作物之一。 水稻病害是影响水稻产量的最重要因素之一，其分布广危害大，造成了巨大的经 济损失。因此能有效地快速地在自然状态下识别水稻病害显得相当重要，而现在 对其的识别方法基本上停留在人为主观判断，这种方法对有经验的劳动力需求 大、效率低下、不具有实时性。随着社会的发展，计算机的普及与更新，使得人 工智能领域火热发展,其中应用神经网络对图像进行分类检测也取得了很好的效 果。针对以上问题的分析，本文针对水稻稻曲病和水稻的主要6种主要病害提出 了在自然环境下的识别方法。主要做了以下研究: 1.本文针对水稻稻曲病的识别算法进行研究。稻曲病的识别使用了两种方 法，一是用传统图像特征提取方法，如SVM(Support Vector Machine)结合特征提 取方法HOG(Histogram of Oriented Gradient);二是改进卷积神经网络 (Convolutional Neural Networks,CNN)。对于传统的图像方法，首先将原图片用 图像处理方法进行预处理，得到了一种分割水稻稻穗的方法，再使用HOG提取 图片特