从人脸图像特征提取和分类器构 建两方面分析了人脸识别系统设计的关键点,提出了以主成分分析技术和支持向量机技术相结合构建人脸识别系统的策略,同时在主成分分析技术的理论基础上提出了一种快速PCA算法.通过实验系统在ORL人脸库上的测试结果,分析了该系统的相关参数和特征向量维度的选取对系统识别率的影响,并得到了其最优解.同 时,通过实验证明了所提出方法在小训练集下的识别率优于其它一般方法,其识别率比一般的人工神经网络法提高了7%~10%左右.

基于CNN的姿势识别 帮助机器通过相机了解人类的行为很重要。 一旦实现，机器就可以对各种人体姿势做出不同的React。 但是该过程也非常困难，因为通常它非常缓慢且耗电，并且需要非常大的存储空间。 在这里，我们着重于实时姿势识别，并尝试使机器“知道”我们做出的姿势。 姿势识别系统由DE10-Nano SoC FPGA套件，相机和HDMI监视器组成。 SoC FPGA捕获来自摄像机的视频流，使用CNN模型识别人体姿势，最后通过HDMI接口显示原始视频和分类结果（站立，行走，挥动等）。 单据 我们在这里上传论文。 并演示了该项目的详细信息。 专案 我们上载我们的项目，包括Matlab，Python和Quartus。 软件版本为： Matlab R2017b 的Python 3.6.3 Python5.1.0 TensorFlow-gpu 1.3.0 Quartus 14.0

百科荣创语音模块—小创语音的词条资料

具体见我博客:https://blog.csdn.net/ALiLiLiYa/article/details/127660716?spm=1001.2014.3001.5502 #车牌识别

使用说明，参考：https://www.jianshu.com/p/8db0dd959897

为了消除光照变化对人脸识别的影响,提出了一种新的基于小波的光照归一化算法。首先对人脸图像进行三级小波分解,获取低频和高频系数;接着对低频成分直方图均衡化,减弱光照的影响,同时对高频成分阈值去噪,再放大高频以增强图像边缘;最后进行逆小波变换,得到归一化后的人脸图像。在Yale B人脸库上的实验结果表明:本文方法可有效减弱光照变化对人脸识别的影响,显著地提高了人脸识别系统的识别率。

Ubuntu Qt 人脸识别源码，附带编译运行库，虹软 人脸识别 SDK

图像模式识别 vc++技术实现 源码图像模式识别 vc++技术实现 源码

手写字符的识别是任何模式识别问题中最重要的任务。 在本文中，我们讨论了一种使用神经网络和欧几里德距离度量来识别手写字符的方法。 首先神经网络经过一个学习阶段，然后网络被用来识别未知的手写字符。 对于不匹配的手写字符，使用欧氏距离度量来提高识别率。

chan算法matlab代码FusionNet 使用网络摄像头进行非接触掌纹和手指纹理识别 使用网络摄像头进行非接触掌纹和手指纹理识别的演示源代码。 代码中使用的算法基于论文： A. Genovese, V. Piuri, F. Scotti, and S. Vishwakarma, "Touchless palmprint and finger texture recognition: A Deep Learning fusion approach", in Proc. of the 2019 IEEE Int. Conf. on Computational Intelligence & Virtual Environments for Measurement Systems and Applications (CIVEMSA 2019), Tianjin, China, June 14-16, 2019, pp. 1-6. ISBN: 978-1-5386-8344-6. DOI: 10.1109/CIVEMSA45640.2019.9071620 项目页面： 大纲： 源代码： 引