小波变换及matlab原始码JWave Java库保持正交/正交和双正交小波 travis-ci.com上的持续集成！ 介绍 离散傅里叶变换（DFT） ，快速小波变换（FWT）和小波包变换（WPT）算法的Java实现。 所有算法均提供1-D，2-D和3-D格式。 小波变换算法使用归一化正交小波或正交小波（如果有）。 常见的小波有Haar，Coiflet，Daubechies，Symlets和Legendre 。 此外，还实现了一些双正交和非常规小波-总共约50个小波。 JWave的实现基于几种软件设计模式，并且-希望因此看起来易于使用。 入门 第一步 看一下如何缩小页面或尝试看一下。 我可以执行诸如127个数据点之类的奇数采样吗？ 但是，JWave的裸算法仅支持2 ^ p | |采样的数据。 钢笔; 例如2、4、8、16，.. 128、256、512、1024等。 请使用AncientEgyptianDecomposition类进行奇数采样（最常见的问题）！ 您可以在页面下找到它。 为什么结果与预期的完全不同？！ 为什么结果（希尔伯特空间）看起来与我的matlab或我在网上发现的某些其

利用python-OpenCV写的人脸检测程序，可检测图片中所有人脸并标记出来，资源中包含所需的全部文件（图片、模型、py文件），已调试通过可直接运行，详细可参考本人博客。

python机器学习中Haar级联文件，用于检测人脸，眼睛，及鼻子的。包括：haarcascade_eye.xml，haarcascade_frontalface_alt.xml，haarcascade_mcs_nose.xml。

基于树莓派3B+的实时多线程人脸haar检测算法。 使用opencv+python编写 操作系统：ubuntu mate 18.04

针对传统的模板匹配方法在低对比度的图像中匹配不到目标物体和匹配计算量大等问题，提 出一种基于离散 Haar 小波变换和形状模板的图像快速匹配算法。首先，使用 Haar 小波对图像进行 分解操作，将分解的低频信号重构得到压缩图像，以减少匹配计算量; 其次，使用形状模板对压缩图 像进行匹配，设计出 Haar 小波图像压缩和形状模板匹配相结合的算法及程序。最后，经大量实验结 果证实: 所提出的算法不仅匹配速度快，精度高，而且匹配结果不受遮蔽、混乱和非线性光照变化等 情况的影响，适宜于在复杂环境中进行图像提取、工件识别等。

haar级联分类器的训练需要使用opencv_traincascade.exe

直接可以用的，人脸检测器xml文件

带板检测的车辆速度估算 该项目的主要目标是使用深度学习和机器学习算法来识别超速车辆。 从视频中获取一系列图像后，使用Haar Cascade分类器检测卡车。 使用大量正负图像训练分类器模型，以制作XML文件。 接下来是跟踪车辆并借助其各自的位置，ppm（每米像素）和fps（每秒帧）来估计车辆的速度。 现在，已识别卡车的裁剪图像将被发送以进行车牌检测。 CCA（连接组件分析）有助于进行车牌检测和字符分割。 使用字符图像（20X20）对SVC模型进行训练，并且为了提高准确性，还完成了4次交叉折叠验证（机器学习）。 该模型有助于识别分段字符。 识别后，将卡车的计算出的速度及其车牌号一起输入到excel表中。 还为这些卡车分配了一些ID，以生成系统化的数据库。 要运行Speed_Detection _＆_ License_Plate_Detection.py，请按照以下步骤操作： 从此站点下载

Haar联级人脸识别原理分析

对图像进行haar小波变换的图像系数数据和对应的图片