随着计算机视觉方向的发展与各种开源库的涌现，目标检测与图像识别的步骤也越来越规范并且趋于简单化。 本次大作业采用Pycharm编辑器，应用Python的OpenCV图像处理库，基于深度学习的卷积神经网络来识别图像中的手写的大写英文字母。具体功能步骤是：对图像进行切片、目标检测、图像识别、图像定位、识别出来的字母重新写入到图片中。

基于MATLAB的HMM语音信号识别，可以识别0-9十个阿拉伯数字，带有一个丰富的人机交互GUI界面。算法流程为：显示原始波形图……显示语音结束处放大波形图……显示短时能量……设置门限……开始端点检测……，也可以通过添加噪声，对比加噪后的识别准确率。

本小组研究的课题是基于深度学习的图像识别，最终实现的是对海量图片数据的学习和准确的识别，不仅如此，我们测试了几种不同的分类模型，并比较预测结果，计算预测准确率，对预测方法进行优化，希望得到一种最高效的预测方法，从而实现真正的机器智能化识别。 本小组课设主要基于python开发环境下的scikit-learn标准库以及PIL图像处理库，并采用matplotlib实现最终结果的比对，PIL库用于图像的特征值批量读取，scikit-learn标准库用于分类模型的构建，matplotlib则用于显示最终结果。

语音信号处理 第二章 语音信号处理的基础知识 §2.2 语音和语言 §2.3 汉语语音学 §2.4 语音生成系统和语音感知系统 §2.5 语音信号生成的数学模型 §2.6 语音信号的特性分析 （1）语音中各个音的排列由一些规则所控制，对这些规则及其含义的研究称为语言学(linguistics)。 （2） 语音中各个音的物理特性和分类的研究称为语音学（phonetics） 。它考虑的是语音产生、语音感知等过程和各个音的特征和分类。 人类的说话交流是通过联结说话人和听话人的一连串心理、生理和物理的转换过程实现的。

压缩包包含：基于C++语言利用OpenCV编写的关于车牌识别系统的工程文件，车牌号码数据集以及验证图片，可供参考。

轮胎缺陷检测，用于处理轮胎缺陷的论文，很全

车牌检测和识别的Python应用软件实现详细过程 1.输入原始图片，通过二值化，边缘检测，和基于色调的颜色微调等办法检测出原图中的车牌号的位置； 2.把检测到的车牌(ROI)裁剪，为车牌号的识别做准备； 3.基于裁剪的车牌号，使用直方图的波峰波谷分割裁剪的车牌号（如上图中的第3步） 4.训练机器学习模型做车牌识别，这里训练了2个SVM,一个SVM用来识别省份简称(如 鲁)，另一个SVM用来识别字母和数字。 5.通过PyQt5把整个算法封装成GUI程序，并打包发布安装软件。

CPU-Z是一款家喻户晓的CPU检测软件，是检测CPU使用程度极高的一款软件，除了使用Intel或AMD自己的检测软件之外，我们平时使用最多的此类软件就数它了。它支持的CPU种类相当全面，软件的启动速度及检测速度都很快。另外，它还能检测主板和内存的相关信息，其中就有我们常用的内存双通道检测功能。当然，对于CPU的鉴别我们还是最好使用原厂软件。使用这个软件可以查看CPU的信息。软件使用十分简单，下载后直接点击文件，就可以看到CPU 名称、厂商、内核进程、内部和外部时钟、局部时钟监测等参数。选购之前或者购买CPU后，如果我们要准确地判断其超频性能，就可以通过它来测量CPU实际设计的FSB频率和倍频。

基于STM32F7的视觉小球颜色识别系统简介: 用STM32F7驱动摄像头，实时采集图像，进行颜色识别，并且统计出小球的直径。做图像处理都是基于PC端的开发，一直希望STM32可以用。后续可以加入其它的一些算法，比如字符识别，人脸识别等。本方案我们采用了OV9655的130万像素摄像头，并通过转接板自己设计的，配合STM32F746自带的摄像头接口。 截图展示: 颜色识别系统设计框图: 软件设计包括:摄像头OV9655驱动的实现，图像颜色识别算法实现，图像尺寸检测算法检测等。 视觉算法的主要思想如下: 有过使用photoshop经历的人对色彩模式应该不会陌生，大家应该非常熟悉的是RGB色彩模式，因为它是最常见的也是听说最多的，另外还有一种色彩模式是HSL，H代表色相，S代表饱和度，L代表亮度，这种色彩模式是美术人最常用的，这是因为它是基于人对色彩的心理感受的一种色彩模式。 RGB向HSL色彩模式的转换在图像处理中应用较为广泛，我们的小球识别中很可能需要该步骤，原理与公式讲起来需要太多的时间与空间，大家可能也不希望听我啰嗦，那么我就把代码传上来吧。（详见附件内容） 软件设计:

数字图像处理在车牌识别系统中的应用，其中字符分割的切割字符读取函数，以及字符识别模板库