首先，针对单一的 Gabor 人脸特征在姿态、表情、光照变化下效果不佳的问题，提出了基于 Gabor 小波特征和核函数融合的人脸识别方法。通过融合方法将二维 Gabor 小波提取的不同尺度、方向的 Gabor 特征进行前期融合，使用支持向量机的 rbf 和 linear 核函数进行后期融合并使用 KMOD 算法确定核函数之间的参数。最终实验结果表明融合后的人脸识别方法能够提高机器学习的传统人脸识别效果。 其次，鉴于互补深度特征的融合能够提高单一特征性能，设计了基于 Facenet 稀疏表示和卷积网络集成的人脸识别方法。具体表现为将 Facenet 的卷积特征和稀疏表示结合，提出了基于 Facenet 稀疏表示的人脸识别方法，通过 Facenet 卷积特征构建归一化字典实现稀疏表示分类；融合 softmax loss 和 center loss 损失函数，在 Facenet 预训练模型上重新训练并比较人脸验证和识别效果；最后通过硬投票策略将基于 Facenet 稀疏表示的人脸识别方法和不同卷积网络集成，以提高人脸识别效果。最终的实验结果表明，集成方法能够各个卷积网络模型的基础上使识别率进一步提升。 最后，针对深度神经网络对剧烈光照变化性能不佳的问题，提出了基于 GIR 特征和卷积特征融合的人脸识别方法。GIR 模型用于人脸图像的光照处理，获得 GIR 特征。根据光照处理过程中局部区域的不同，GIR 特征又可以分为 EGIR-Face 和 BGIR-Face 人脸特征。将 GIR特征分别与 Facenet、Insigtface、Resnet50 的卷积特征通过距离度量进行融合，通过最近邻分析实现人脸识别。使得卷积网络可以获得 GIR 模型优势，在人脸识别过程中更加侧重于光照这一影响因素。最终实验结果表明融合 GIR 特征和卷积特征的人脸识别方法确实能够提升严重光照变化下的人脸识别效果。

人脸识别数据集 LFW+CAS_PEAL 光照子集

首先，针对自动泊车环境下可能出现的低光照或明暗交替等复杂场景这一问 题，本文在 vSLAM 系统中设计了处理复杂场景的功能。本文基于 Retinex 理论 模型，从物体成像的原理上分析，利用 LIME 算法来解决这个问题，并且结合自 动泊车场景来设计算法中的权重系数，对算法的时间复杂度进行加速优化。而后 针对一些低光照的图片进行了优化处理来验证 LIME 算法的可行性。 其次，针对 vSLAM 常见的问题，即在跟踪时容易丢失目标、出现尺度漂移 等问题，进行了分析与研究。提出了使用预测模型的方式来减少跟踪失败概率的 方法，提出了适合泊车环境的关键帧筛选策略，针对立体匹配模块，先根据多方 面误差来选择质量较好的点，再用由粗到精最后计算图像的相关性的方法来进行 匹配并更新地图上像素点的逆深度，并在地图优化模块中通过双向 Sim3 检测进 行误差分析解决尺度漂移的问题。 最后，基于大众速腾以及深圳锐尔威视科技有限公司所研发的型号为 RER_USB1080P01-LS43 的相机搭载了实验平台，傍晚时分在吉林大学南岭校区 汽车工程学院周围采集多个停车场数据，验证了在低光照的自动泊车环境下基于 LIME 算法进行 vSLAM 的可行性，并且实验表明在泊车环境下本文算法要优于 传统算法。

自用

stm32f407使用烟雾，火焰，光照，温湿度，继电器，WiFi连接onenet,如果连接onenet有问题的可以观看我博客里面有连接方法

基于51单片机的光照强度检测，简单实用。

基于stc89C52单片机设计的一款电子设计，内含仿真、论文、实物图、材料清单、焊接方法、ppt模板等。

本程序配套《OpenGL光源、材质和光照模型》的博客内容，可作为初学者的参考例程，已经过实际测试。

我的图形学得作业 里面用了 旋转 平移 恢复 光照，贴图等手法，供需要者参考，作业的内容是我的名字。

直线、圆、多边形 这是针对09年所写计算机图形学源码重构后的版本。新版本在实现用多种算法生成直线、圆、多边形等图形图像的同时，使用了双缓存绘图防止图像闪烁，并使用自定义结构扫描线存储所绘连块图形区域提高了二次绘图效率。 同时将所有图形图像封装成类，便于图形的重绘以及旋转、平移、缩放、对称变换等几何操作。 这是真正意义上实现了二维图层操作，而不是一个演示性的算法。 光照实验与消隐借用已有代码，因此代码变量命名风格与之前的不统一。