基于Python+Opencv的车牌识别系统 用python3+opencv3做的中国车牌识别，包括算法和客户端界面，只有2个文件，surface.py是界面代码，predict.py是算法代码，界面不是重点所以用tkinter写得很简单。 使用方法： 版本：python3.4.4，opencv3.4和numpy1.14和PIL5 下载源码，并安装python、numpy、opencv的python版、PIL，运行surface.py即可 算法实现： 算法思想来自于网上资源，先使用图像边缘和车牌颜色定位车牌，再识别字符。车牌定位在predict方法中，为说明清楚，完成代码和测试后，加了很多注释，请参看源码。车牌字符识别也在predict方法中，请参看源码中的注释，需要说明的是，车牌字符识别使用的算法是opencv的SVM， opencv的SVM使用代码来自于opencv附带的sample，StatModel类和SVM类都是sample中的代码。SVM训练使用的训练样本来自于github上的EasyPR的c++版本。由于训练样本有限，你测试时会发现，车牌字符识别，可能存在误差，尤其是

混凝土结构在施工与使用的过程中易产生各种形式的裂缝,由此会产生诸多安全问题。传统的人工安全检测方法,不仅耗费财力和时间,而且无法保障其检测精度。为了提高混凝土表面裂缝的识别效率,提出了一种基于卷积神经网络结合聚类分割的识别方法,实现了对较复杂背景下混凝土表面裂缝图像的准确识别。研究结果显示,该方法不仅能够高效地分类,还能够高精度地对较复杂背景下的裂缝进行识别,这为降低混凝土表面裂缝识别的工作量、维护混凝土结构,对其进行安全检测提供了理论依据,同时也为以后更高精度和更复杂条件下的裂缝识别研究提供了一些参考。

1.保证无毒 2.简单,方便,实用 3.实例可以自行改用 4.如有非法,本人无法律责任,由改动代码人负责！ 5.需要更多本人作品,查找标签“朱建强” 6.请下载,杀毒后再使用！

一个非常好的语音识别工程，代码非常的简单实用，喜欢的朋友可以多多互相学习

提出了一款应用于超高频段(Ultra High Frequency,UHF)(912~935 MHz)的射频识别(RFID)读写器圆极化单层结构微带天线,基板采用FR4板材达到价格低廉、辐射贴片采用开槽的结构实现小型化、接地板采用开槽结构提高天线的增益,该天线实现了小型化设计,满足了天线的设计要求。利用三维电磁仿真软件对天线模型进行了分析,仿真与测试结果吻合良好。天线测试结果表明:回波损耗小于-10 d B的阻抗带宽为25 MHz(910~935MHz),轴比(AR)小于3 d B的带宽为21 MHz(914~935 MHz);在UHF频段内,读写器天线的最大增益为-1.2 d B,所以本天线能满足我国射频识别读写器的应用要求,具有良好的应用前景。

3.1： （单选） （A）正在把创业作为国家策略推行。 A. 中国 B. 美国 C. 日本 D. 韩国 （单选） 我们处于最好的创业时代，是因为（D） A. 政府和政策的支持 B. 融资渠道更丰富 C. 更容易获得信息 D. 以上三项都对 （单选） 融资渠道和方法更加丰富，会使（B） A. 创业更容易成功 B. 创业更容易启动 C. 创业概率更高 D. 创业风险更小 3.2： （单选） 当前，对经验不足的创业者的（B）太少。 A. 理论指导 B. 日常辅导 C. 贴身辅导 D. 课外辅导 （单选） 以下哪项原因，导致创业者资源难以支撑。（B） A. 创业成为一项社会运动 B. 产品和品牌的传播

RealTime3DPoseTracker-OpenPose 使用OpenPose，Python机器学习工具包，Realsense和Kinect库进行实时3D姿势跟踪和手势识别。 安装步骤：OpenPose和PyOpenPose机器：4 GPU，GeForce GTX 1080操作系统：Ubuntu 16.04 克隆OpenPose存储库：“ git clone ” 通过以下链接从PyOpenPose检查当前集成的OpenPose版本：https://github.com/FORTH-ModelBasedTracker/PyOpenPose 通过以下方式将OpenPose版本重置为此提交：git reset --hard #version 下载并安装CMake GUI：sudo apt-get install cmake-qt-gui 安装CUDA 8：sudo apt-g

Android数据记录器 简单的Android应用程序可记录传感器数据，以进行基于运动的活动识别。 将数据记录为带有时间戳的.csv文件 可以在[sdcard] / Download / AllData_ [timestamp] .csv中找到输出文件 应用程序中提供了两个按钮“ EXIT”和“ ENTER”来输入断点，这些按钮提供的数据本质上是由ENTER / EXIT标记标记的空数据 每当有数据更改时，都会写入新的传感器数据，因此数据的分辨率至少为10毫秒，并且最大为传感器检测到数据更改需要花费的时间。 问题 时间戳是Java中System.getmilliseconds（）返回的原始时间戳。

神经网络用于模式识别及MATLAB源代码

Lark7618语音识别wifi模块概述: 百灵智能语音识别模块- Lark7618语音识别wifi模块是一款集成云端语音识别、语音合成、语音唤醒和MP3解码等功能于一身的模块级产品。Lark7618的语音交互识别功能，可广泛应用于物联网、智能家居、智能家电、智能硬件、智能机器人、安防监控等领域。 Lark7618模块实物截图: lark7618语音识别wifi模块功能特点: 语音识别: 支持中文、英文、中英文混合识别 支持云端词条更新 内置消噪、降噪算法 超时检测 语音合成: 文本智能分析处理 多音字处理和中文姓氏处理能力 支持10级音量调整和10级语速调整和10级语调调整 模块内集成了 77 首声音提示音，模块内集成了 14 首和弦音乐 提供两男、两女、一个效果器和一个女童声共6个中文发音人 支持多种文本控制标记 语音唤醒: 支持六种带特定命令词的语音唤醒功能 支持用户自定义唤醒词 MP3播放: 提供本地mp3播放功能 二次开发支撑: 提供快速搭建产品原型的开发套件 IOS/android SDK支持 开放应用开发环节所有源码 提供WIFI网络配置demo app 固件升级: 具备远程升级能力 附件内容截图: