针对纸币清分机对人民币编号自动识别，在处理速度和识别率方面的高标准要求，提出了一种基于模板匹配 的人民币编号快速识别算法，该算法在图像预处理时，利用改进的滤波法去离散噪声；在字符识别时，利用数字和字 母的水平与竖直交点特征和轮廓对称特征以及加权特征，直接识别定位好的字符。实验结果表明，该算法具有对硬 件资源要求低、识别速度快等优点，可以满足纸币清分机的应用要求。

FPGA 流水线操作实现图像连通域处理标记位置，由于该方法进行的是并行流水线处理，即对图像扫描 一遍就可完成对所有连通区域的识别，因此识别每个连通区域的延时都是固定的，并不会因 为图像中连通区域多，延时就增加。该延时也很小，约扫描十几行图像的时间。

人脸识别正确率97.18%,1秒内完成。 能够在复杂的光线和背景下依然正确工作，并支持多张人脸在一个画面上的检测，识别，验证。戴眼镜和黑色人种也能检测和识别。能从多角度检测到人脸。 并带人鼻，嘴，眼镜,人脸左右边界的定位功能。 本软件是多光源主动识别版，要求用户配合采模板，并配合识别，在正上方有节能灯，镜头有方向滤光片的条件下，能达到最佳识别效果。 本软件要求有USB摄像头支持(最好是低照度高画质摄像头)。

该代码是用matlab编写的，为深度半非负矩阵分解算法，用于人脸识别的。

SeetaFace2采用标准C++开发，全部模块均不依赖任何第三方库，支持x86架构（Windows、Linux）和ARM架构（Android）。SeetaFace2支持的上层应用包括但不限于人脸门禁、无感考勤、人脸比对等。 编译简介 2.1 编译依赖 GNU Make 工具 GCC 或者 Clang 编译器 CM2.2 linux和windows平台编译说明 linux 和 windows 上的 SDK 编译脚本见目录 craft，其中 craft/linux 下为 linux 版本的编译脚本，craft/windows 下为 windows 版本的编译脚本，默认编译的库为64位 Release 版本。 linux 和 windows上的SDK编译方法： 打开终端（windows上为VS2015 x64 Native Tools Command Prompt 工具，linux 上为bash），cd 到编译脚本所在目录； 执行对应平台的编译脚本。 linux 上 example 的编译运行方法： cd 到 example/search 目录下，执行 make 指令； 拷贝模型文件到程序指定的目录下； 执行脚本 run.sh。 windows 上 example 的编译运行方法： 使用 vs2015 打开 SeetaExample.sln 构建工程，修改 Opencv3.props 属性表中变量 OpenCV3Home 的值为本机上的 OpenCV3 的安装目录； 执行 vs2015 中的编译命令； 拷贝模型文件到程序指定的目录下，运行程序。2.3 Android平台编译说明 Android 版本的编译方法： 安装 ndk 编译工具； 环境变量中导出 ndk-build 工具； cd 到各模块的 jni 目录下（如SeetaNet 的 Android 编译脚本位置为SeetaNet/sources/jni, FaceDetector的Android 编译脚本位置为FaceDetector/FaceDetector/jni），执行 ndk-build -j8 命令进行编译。 编译依赖说明：人脸检测模块 FaceDetector，面部关键点定位模块 FaceLandmarker 以及人脸特征提取与比对模块 FaceRecognizer 均依赖前向计算框架 SeetaNet 模块，因此需优先编译前向计算框架 SeetaNet 模块。

本人做的一份基于Kinect体感摄像头的手势识别算法实验的PPT报告。

编写程序利用DFA的原理实现高级语言中浮点数的识别算法

这个是车牌识别的matlab程序，其中包括很多基础的图像处理函数的使用，一些模板匹配的算法，本资源配套博客 http://blog.csdn.net/berguiliu/article/details/27528439 具体的应用和简单的算法介绍都在这里面，希望大家好好阅读！

中文地址名称识别是将用户输入的地址信息转化到地理坐标的过程，是现代汽车导航软件、地理信息和基于位置的服务等系统中最重要的功能之一。本文通过用户的输入并结合地址词典，利用自然语言处理等技术，合理推断用户最大意图，从而大大增加地址匹配的鲁棒性和智能性。

pixy 颜色识别 算法