自己写的简单的识别图片中数字以及字母的程序（可在白名单中自定义识别范围），适用广泛，识别率极高，仅仅使用本地的Tesseract库即可识别成功，无需网络连接

针对当下网上下载的ORL_face ，图像主要都是PGM格式的，本人经过处理，将其整合好一起，供大家使用（每个文件下分别包含PGM格式和BMP格式）。另外：需要PGM转BMP处理code可以联系我。

车牌识别图像中非常有用的图像素材，有bmp，jpg俩种格式，每种格式都有level1-level3三种难易程度不同的图片。

图像识别对接百度OCR，具备免费识别限制配置以及会员充值功能，能够达到清晰的图像识别效果，能够通过拍照读取、微信好友选择图片读取、同时可以对图片进行剪切等操作。 小程序源码在small_app中

基于生物特征识别.ppt

基本流程: 输入人脸->人脸数据表示->LBPH特征提取+人脸图像与特征数据库->分类识别->识别人脸 LBPH算法: 图像灰度化->LBP特征提取->ULBP降维处理->分割为多个方格(Cell)->每个方格生成直方图->直方图链接,特征向量集合->与DB中直方图比较(直方图比较)->得到分类结果 Ptr model = LBPHFaceRecognizer::create(); #include #include #include using namespace std; using namespace cv; using namespace cv::face; //OpenCV人脸识

基于百度智能云API实现的图片识别demo，只需配置jar包即可，快捷接入到实际应用工程，图片识别快，识别准确度高，轻量占用资源少

车牌识别系统是智能化交通管理系统的核心部分。介绍基于机器视觉的车牌识别系统设计的过程，车牌识别步骤为：车牌图像采集、图像预处理、车牌定位与提取、车牌字符的分割和字符识别。由于实际生活中视觉传感器所采集的车牌图像可能模糊不清，图像容易受到光照条件、阴雨天气等影响，导致车牌图像本身含有噪声干扰，需要运用数字图像处理算法减小噪声干扰，便于正确识别车牌字符。该设计包涵采用MATLAB软件仿真测试、GUI人机界面构建、通过图像导入和各个环节的图像处理，最终实现车牌号码的识别。实验结果验证所用方法的可行性

使用OpenCV_python中的DNN,CaffeModel识别图像只需30行代码

随着我国汽车行业的快速发展，信息化社会的程度不断提高，智能化交通管理成为发展的趋势。车牌自动识别系统（LPRS）是智能化交通管理系统（ITS）的重要组成部分之一，适用于各种交通管理场所，特别有利于提高管理效率及水平，节省人力、物力，以达到交通管理的科学化的规范，而且有着广泛的应用前景。但是车牌识别系统的研究与开发是限制交通系统智能化、现代化的发展，在智能化交通发展中也倍受关注。 本文通过对获取车牌，经过车牌图像灰度化，图像增强，直方图均衡化，车牌图像二值化，车牌图像去噪等模块的车牌图像预处理研究。本文提出的针对车牌图像的预处理过程对灰度图像可以达到不错的效果，并且在一定的程度上解决了因外界因素而造成的车牌图像对比度较低的问题。