基于OpenCV的口罩识别 Python

基于OpenCV和CNN的ANPR比较 该方案利用OpenCV函数和预先训练好的CNN模型对给定图像中的车牌进行检测，并排显示结果。 #结论 与传统的OpenCV函数相比，经过预训练的CNN模型能够准确地检测车牌。

使用OPENCV，采用多种图像处理技术，使用C++语言，对乒乓球进行跟踪

bag-of-words- 基于opencv-python的sift、kmeans、bow图像检索 需要配置opencv、sklearn、scipy、numpy 创建两个文件夹就行 默认图像训练文件名为dataset 我用的是101_ObjectCategories图片集 所以在读入图片时做了更改 默认查找图像文件名为query 用命令行执行python findFeatures.py -t dataset/ 开始生成模型 用命令行执行python search.py -i query/target.jpg 查找目标图片

基于OPENCV的OCR识别技术源码及资源，包含训练样本、源码和测试图片等。使用的语言为c++，初学者代码粗糙，只适用于入门的朋友。

利用人脸识别实现课堂签到 基于OpenCV在Android上实现.ppt

专业文档，利用人脸识别实现课堂签到 基于OpenCV在Android上的实现。 利用人脸识别实现课堂签到 基于OpenCV在Android上的实现.zip 利用人脸识别实现课堂签到 基于OpenCV在Android上的实现.zip

face_recognition_py 本项目基于OpenCV使用Haar级联与dlib库进行人脸检测及实时跟踪，应用LBPH算法开发了一个功能相对完整的人脸识别系统。系统采用sqlite3进行序列化数据存储，能够对陌生人脸闯入进行报警，并拥有基于PyQt5设计的GUI实现。 系统预览 核心框架 人脸采集 数据管理 如何运行？ 以下操作基于Anaconda3环境，并在Windows10 x64上测试。 克隆代码 $ git clone https://github.com/winterssy/face_recognition_py.git $ cd face_recognition_py 创建Python虚拟环境 $ conda create -n opencv python=3.6 $ activate opencv 安装OpenCV $ cd modules $ pip install

基于OpenCV形态学的发票定位研究.pdf

本项目分别提供了以下功能：人脸图像采集，数据训练，人脸识别，删除数据。 图像采集将打开电脑摄像头获取人脸到，数据训练调用了包和xml文件(都在文件夹里)，训练速度超快，人脸识别模块可以识别出训练好的人脸。 基于python3，有多个py文件，大部分为带opencv的包，没有界面但可交互，功能齐全，准确率可通过训练数据的加大提升。