演示 开始： PyQt5，3.3以上的cv2，hyperlpr 暂时不提供车型识别与颜色分类的模型 下载 ，并保存到yolo目录下 介绍 模型采用opencv DNN模块读取，所以确认你安装了包含DNN模块版本（3.3以上）的cv2 车辆定位采用darknet yolov3在coco数据集上的预训练模型 车牌识别采用开源的hyperlpr： : 视频播放界面基础： : 去做 连接KNN做颜色识别

carLogoRec 2018.4.18更新逻辑回归模块 2018.4.20更新OpenCV自带BP网路模块 2018.4.26更新手撸BP模块 2018.8.08更新基于LeNet-5的CNN模块（使用Pytorch） 模块列表 Opencv自带BP网络+ HOG Logistic回归内容/ LR 全局函数 CNN_pytorch 1. opencv自带BP网络+ Hog特征识别车标 opencv2.4.11：使用HOG特征进行车标分类识别 工程基于本人早期课程设计，记录在博客园博客中--- 。 环境要求 测试环境：win10 + VS2017 + OpenCV2.4.11测试结果：100％识别opencv的配置这里就不再多余述了。简单讲下工程的情况。 简单思路 其实直接将图像灰度值作为网络输入也可以，本工程使用了人工提取的图像的HOG特征作为网络输入，输出为车标类别。 训练集＆测试

2018年电赛D题手势识别系统基于STM32F103ZET6精英开发板的完整代码设计

1设计摘要　　目前，研究自然化的人机交互是当今计算机科学技术领域的主要研究热点之一，手势输入作为一种自然、丰富、直接的交互手段在人机交互技术中占有重要的地位。本项目提出以Xilinx公司Spartan 6系列FPGA为器件的手势识别系统设计的方案，采用FPGA芯片的内置DSP硬核作为手势识别模块的,负责图像识别算法的实现，采用FPGA作为图像采集模块的控制中心,负责图像的采集,完成预处理和摄像头聚焦和云台的控制工作，以FPGA高速强大的处理能力保证了系统的实时性。手势识别部分融合人手颜色信息和手势运动信息，利用种子算法对复杂背景下的手势进行分割。根据分割出的手势区域大大加速了运动特征参数的提取

语音识别系统 用于语音开发技术 Title=机器人语音控制系统 ;the message sent to "Demo Window" application will be WM_USER+1000+# Message=1 CMDs=零,一,二,三,四,五,六,七,八,九,执行,各关节归零,大臂正转,大臂反转,小臂正转,小臂反转,手腕正转,手腕反转,手爪张开,手爪闭合,上升,下降,大臂运行,大臂负运行,小臂运行,小臂负运行,手腕运行,手腕负运行,手爪运行,手爪负运行,升降运行,升降负运行,大臂归零,小臂归零,手腕归零,手爪归零,升降归零,速度加,原点记忆,系统复位,示教盒,暂停,急停,回原点,速度减,区号加,区号减,单步再现,周期再现,连续再现,返回,继续,数据记忆,读取数据,设置串口,打开串口,关闭串口,

此系统是基于DSP C5409的笔迹识别系统，能对单字进行识别

人工智能识别系统的发展前景.pdf

论文：人脸识别系统的原理与发展.docx

一、课题介绍 随着汽车数量的增加，城市交通状况日益受到人们的重视，如何进行有效的交通管理更是成为了人们关注的焦点。智能交通系统通过车辆检测装置对过往的车辆实施检测，提取有关交通数据，达到监控、管理和指挥交通的目的。因此，它已成为世界交通领域研究的重要课题。 车牌识别系统作为智能交通系统的一个重要组成部分，已在高速公路、城市交通和停车场等项目的管理中占有无可取代的重要地位。它在不影响汽车状态的情况下，由计算机自动完成车牌的识别，从而降低交通管理工作的复杂度。 该课题为基于MATLAB的汽车出入库识别系统，带有丰富的人机交互GUI界面。目前毕业设计选题中，传统车牌识别不易得到高分，必须要在此基础上有所创新方得可以避开其他雷同课题，，不会轻易被导师被否决。因此建议在车牌识别基础上加入出入库，判别是否为库内车牌，并且实行计时收费。整个设计在一个GUI界面上完成。 传统基础版：中规中矩的车牌识别 靓点1版本：可做成复杂背景的车牌识别 靓点2版本：可做成具备判断是否为库内车牌的案例，并且计时计费（本课题） 靓点3版本：可做成具备语音播报的车牌识别 二、基本流程 车牌识别部分： ①图像预处理：在整个车牌识别系统中，由于采集进来的图像为真彩图，再加上实际采集环境的影响以及采集硬件等原因，图像质量并不高，其背景和噪声会影响字符的正确分割。和识别，所以在进行车牌分割和识别处理之前，需要先对车牌图像进行图像预处理操作。 ②车牌定位：首先对车牌的二值图片进行形态学滤波，使车牌区域形成一个连通区域，然后根据车牌的先验知识对所得到的连通区域进行筛选，获取车牌区域的具体位置，完成从图片中提取车牌的任务。 ③车牌分割：首先对车牌进行水平投影，去除水平边框；再对车牌进行垂直投影。通过对车牌进行投影分析可知，与最大值峰中心对应的为车牌中第二个字符和第三个字符的间隔，与第二大峰中心距离对应的即为车牌字符的宽度，并以此为依据对车牌进行分割。 ④字符识别：本文采用模板匹配方法来对车牌进行识别。识别过程中，首先建立标准字库，再将分割所得到的字符进行归一化，将归一化处理后的字符与标准字库里的字符逐一比较，最后把误差最小的字符作为结果显示出来。 出入库部分： ①汽车入库记录北京时间，车库位数减一； ②汽车出库记录北京时间，车库位数加一 ③计算停车时长，按标准计算停车费用；

本设计为基于MATLAB的指纹识别系统。本设计系统主要对指纹图像进行三方面处理：图像预处理、特征提取和特征匹配。图像预处理包括四个步骤：图像灰度化、滤波增强、二值化、细化，对指纹图像进行预处理后，去除了原图像的冗余部分，方便后续的识别处理；特征提取主要是提取指纹图像细化后的端点和分叉点；特征匹配是利用两个指纹的图像进行特征点比较，来确定两幅图像是否来自于同一手指。