yolov5加双目测距的代码，下载后直接运行detect_and_stereo_video_003.py即可开始识别定位。注意是在yolov5的环境运行的。

随着WiFi网络在世界范围内的迅速普及和广泛部署。基于wiFi的室内定位技术由于成本低、易于实现受到了广泛关注。其中，基于WiFi的被动式指纹室内定位由于可直接利用现有的商业WiFi设备，且不需要待定位目标携带仼何设备。因此部署成本低、易扩展，同时还具有良好的非侵入性，故已逐渐成为室內定位技术研究者们广泛关注的热点。目前，已有基于WiFi的被动式指纹室内定位技术，如Buzzer和Pilot等，其定位过程一般可分为离线和在线两个阶段。离线阶段采集相应的信号，并存储所有参考点生成的指纹数据以构建离线指纹数据库。在线阶段则通过采用与离线阶段相同的处理方式得到待测位置的在线实测指纹，然后将其与离线指纹库中的已有指纹进行匹配，从而估计目标位置。然而，现有工作由于存在两个重要问题，导致定位的实时性和精度都不能令人满意其一，现有指纹匹配定位方式由于需要在在线阶段将实测指纹与指纹库中的所有指纹进匹配，所以计算量大从而导致定位过程的实时性较差;其二，由于离线指纹库中存在与目标当前位置相隔较远但相似的指纹，而这些指纹很可能会对指纹匹配过程造成干扰，进而导致定位误差较大。针对上述两个问题，该文结合位置指纹定位技术和距离测量算法，提出了一种新的位置指纹室内定位方法ILLFRM.该方法在在线阶段中加入了粗定位，并在进指纹匹配之前，通过粗定位来过滤离线指纹库中与目标当前位置不相关的指纹，以减少匹配过程中的计算量和避免不相干指纹的干扰，从而同时达到改善定位精度和实时性的目的。通过在空旷大厅和走廊的真实场景进行实验结果表明，该文提出的方法与Pilot和Buzzer相比，定位精度分别提高了约28%和51%.此外，由于一次匹配过程的总耗时不足200ms，因此ILLFRM可以很好地满足实时性要求。

基于肤色的人脸识别定位Matlab程序，包含GUI界面，提出利用候选人脸图像区域和模板质心作为配准的原点,抑制人脸图像噪声的干扰。最后构建了基于肤色分割和模板验证的人脸检测试验系统，并对该系统采用自制人脸图像数据库进行测试。实验结果表明，系统算法是有效的，具有较高的检测性能和低的误判率。

可以实现对于人脸的定位和识别 采用的方法是PCA方法 matlab程序

VC++ 人脸识别定位、眼睛、嘴巴和鼻识别 完整代码 VC++ 人脸识别定位、眼睛、嘴巴和鼻识别 完整代码

基于matlab的车牌定位、字符分割，车牌分割字符保存为7张bmp格式图片

里面包含了整个开发过程的思路和备注文档，非常详细，每一步怎么做都写的很详细，程序代码也非常规范，代码注释也很详细。功能实现了车牌的灰度化，二值化，提取顶点，定位车牌位置，提取车牌，保存提取出来的车牌等功能

自己使用C++编写的车牌识别与定位的程序，使用OpenCV2.4

python配合Opencv库 实现的车牌识别定位及分割代码：1、将采集到的彩色车牌图像转换成灰度图 2、灰度化的图像利用高斯平滑处理后，再对其进行中直滤波 3、使用Sobel算子对图像进行边缘检测 4、对二值化的图像进行腐蚀，膨胀，开运算，闭运算的形态学组合变换 5、对形态学变换后的图像进行轮廓查找，根据车牌的长宽比提取车牌 可作为Python,opencv及车牌识别技术的学习用。