matlab开发-罐头检测2和3d。二维图像和三维体数据的Canny边缘检测器。

table-detect table detect(yolo) , table line(unet) （表格检测/表格单元格定位） links: models weights download and move to ./modes test table detect python table_detect.py test table ceil detect with unet python table_ceil.py train table line python train/train.py

轻量级网络监控软件，可限速，超好用，破解版。破解方式如下。 国外大神破解 具体步骤： 1. 执行安装程序 netlimiter-4.0.15.0.exe 安装好 NetLimiter 4.0.15 。 2. 如果运行了 netlimiter 4 请先退出。 3. 停止系统服务 netlimiter4 Service 。 4. 然后用crack下的 NetLimiter.Runtime.dll 替换NetLimiter 4 目录下的同名文件。（一定要注意是x64还是x86的） 5. 重新启动系统服务 NetLimiter 4 Service 。 6. 运行 NetLimiter 4 。 7. 单击 HELP 菜单，选择 About and registration 菜单，弹出 About 对话框。 8. 单击 Register 链接式按钮，弹出注册对话框，任意输入注册信息进行注册。

使用OpenCV来识别人脸，从而达到特定的人脸开门的目的。主要分为管理员登录、录入人脸、识别人脸三大功能，管理员输入用户名和密码可以登录进入管理界面，在管理界面中录入人脸，录入人脸主要是人脸检测、捕获人脸、训练人脸，最后通过人脸识别实现开门的功能

前言今天要介绍的内容是利用EAST算法检测自然场景下的文本。paper，很早就开源了，如今移植到OpenCV中，实在太cool了。OpenCV3.4.2包含了很

【RT-Thread作品秀】基于ST传感器的跌落及倾倒检测作者:pto1011 概述在消费电子领域，跌落通常会对便携式电子产品（如手机，平板，笔记本电脑）的零部件（屏幕及机械硬盘）造成损伤，如何可靠的检测这些跌落事件并实时启动保护装置，采取主动避震措施来减少触地带来的冲击。中国即将步入老年社会，如何实时检测老人摔倒事件并做到事前主动启动保护减震装置和事后第一时间发出告警。 这些都需要有快速(Fast)准确(Accurate)可靠(Reliable)的跌落及倾倒检测能力。 本应用即是基于ST公司的LSM6DSOX六轴传感器，高速采集加速度计和陀螺仪的信号，通过算法来提供跌落及倾倒实时检测，其结果显示于交互界面（串口输出）和板载LED状态（未进入检测模式:LED blink; 开始进入检测:LED OFF; 检测到跌落或倾倒:LED ON）。 开发环境硬件:ART-Pi STM32H750 开发板，STEVAL-MKI197V1（LSM6DSOX）六轴传感器，PARALAX USB2SERIAL转接板 RT-Thread版本:4.0.3 开发工具及版本:RT-Thread Studio 1.1.15 RT-Thread使用情况概述内核部分:创建了一个独立线程用于实现读取ST传感器参数，输出至高速串口或实时检测，详情见下图。 组件部分:finsh组件是本应用开发过程中最重要的程序调试工具及交互窗口 硬件框架主要使用了ART-PI开发板上的STM32H750处理器的SPI，Timer, UART, 板载资源使用了LED，其它硬件模块包括ST的六轴传感器以及自备的USB转串口板。 软件框架说明软件模块说明演示效果视频演示: 比赛感悟通过参与比赛，第一次接触并了解RT-Thread及其生态系统, 用户体验很好。尤其是Finsh组件，作为交互界面，程序的调试过程中几乎完全依赖于之。 本应用中分别使用了MCU的SPI，UART和硬件定时器组件，UART的使用较为简单，硬件定时器在使用时则遇到了问题，在RT-Thread Setting中配置之后，一直无法进入中断，通过单步调试，发现寄存器在写入数值之后仍全为0，进一步检测发现其时钟未enable。 在拿到ART-Pi板之前，曾设想实现所有传感器参数读取及detection算法都在1ms定时器中断服务自程序中完成，但编译时遇到错误 ，ISR中无法调用mutex，曾尝试移除mutex，但读取的sensor参数几乎全部错误。后来选择在新建的独立线程中来实现，读取的sensor数据全部正确。 通过实测，本应用基本实现了最初的设计目标。仍存在如下问题:在1ms采样间隔下仍会观测到存在数十毫秒未读取传感器信号的现象，期待将来有可能实现RT-Thread下对于高速（亚毫秒级别）的实时关键任务的支持。 最后，感谢比赛组织方提供的硬件和软件开发环境，以及工作人员的热情帮助！

一个基于Python项目开发的源码，是一个人脸识别系统，主要是用来识别驾驶员的，同时还可以识别他当下的疲劳状态是否需要休息。学生可以用来做毕业设计。同样这个源码可以用在交警摄像头上，可以看看马路上是否有疲劳驾驶的司机，也可以用于高速收费站，毕竟高速上疲劳驾驶是一件非常危险的事情。源码压缩包直接上传了，下载即可运行。

2D目标检测在自动驾驶领域存在很多问题，因为自动驾驶的空间首先是在3D层面上的，而且需要使用RGB图像、RGB-D深度图像和激光点云，输出物体类别及在三维空间中的长宽高、旋转角等信息。这一类检测称为3D目标检测。随着Faster-RCNN的出现，2D目标检测达到了空前的繁荣，各种新的方法不断涌现，百家争鸣，但是在无人驾驶、机器人、增强现实的应用场景下，普通2D检测并不能提供感知环境所需要的全部信息，2D检测仅能提供目标物体在二维图片中的位置和对应类别的置信度，但是在真实的三维世界中，物体都是有三维形状的，大部分应用都需要有目标物体的长宽高还有偏转角等信息。例如下图Fig.1中，在自动驾驶场景下

依据氧气对物质荧光的猝灭作用，研究了一种基于时域荧光寿命的水体溶解氧浓度检测方法，根据荧光猝灭曲线上的两点计算荧光寿命，并通过Stern-Volmer方程反演获得水体溶解氧浓度。结果表明：相同溶解氧浓度下，归一化处理后的荧光猝灭曲线不受激发光强度和激励持续时间等激发条件的影响；不同溶解氧浓度下，实测荧光寿命受系统延迟的影响，补偿后荧光寿命理论曲线与修正曲线具有良好的一致性，拟合相关系数达0.9985。与HQ30d溶解氧分析仪对比，测试结果表明，0~20 mg·L-1范围内溶解氧质量浓度测量误差小于0.5 mg·L-1，线性相关系数达0.9992。

动态无功电流的实时检测方法研究，文中主要分析了三种检测方法并附有仿真结果及结果分析等。