上位机采用QT设计，算法框架模型采用百度飞浆EasyDL。 资料包里包含了上位机源码、可执行文件，模型训练，数据集标注，测试效果，模型发布的教程文档，代码设计思路等。本资料属于拿到即可使用，直接完成项目设计，检测各种驾车状态。

上位机采用QT设计，算法框架模型采用百度飞浆EasyDL。 资料包里包含了上位机源码、可执行文件，模型训练，数据集标注，测试效果，模型发布的教程文档，代码设计思路等。 这是基于百度飞浆EasyDL框架完成司机疲劳驾驶检测，只需要少量的图片就可以训练出精度较高的模型，通过QT编写界面，软件从摄像头里读取实时图像数据进行识别。 识别到模型后，会进行计数，在界面上显示出来。比如：带安全带、未带口罩、疲劳驾驶。疲劳驾驶是通过打哈欠的方式标注模型，识别驾驶员是否张大嘴打哈欠。 代码部分思路： （1）通过QT的UI设计工具，设计出好看的界面，设置背景图，控件的布局，QT里UI文件是.ui为后缀。 （2）软件界面上有开启摄像头的按钮，打开摄像头之后，会实时读取摄像头的图像数据，然后调用EasyDL的模型进行识别。 （3）识别到对应标注的模型之后，可以进行语音提示，并且在界面进行计数显示。

资料包里包含了可执行文件，源码，使用的流程截图。 软件的界面是采用跨平台的QT框架设计，语言采用C++语言，执行效率高，代码简洁容易理解。 当前的人脸考勤识别系统主要分为两大部分: 1. 人脸的识别对比 2.考勤软件界面设计与逻辑处理。 软件主要是应用在高校给学生进行考勤、签到处理，所有在功能上需要健全，支持人脸签到，支持输入学号签到，支持添加学生，支持删除学生；在界面上也支持请假管理，需要请假的学生在界面上录入请假事由，方便上课老师了解该学生的详细情况；在录入学生信息的同时，输入了学生的学号、电话、姓名、专业等信息，在学生迟到没有上课的时候，老师可以通过电话进行联系，了解情况。以前高校考勤都是老师点名实现记录的，这样比较浪费课堂时间，有了这套支持人脸识别的系统，学生路过的时候就直接进行考勤签到，非常方便，也不需要学生进行拿笔进行纸质签到，提高了整体的课堂效率。 为了灵活应对不同的考勤时间段，软件上支持设置考勤时间范围，上课老师可以进行灵活设置时间范围，这样就可以根据平时签到考勤的比例计算期末的平时成绩，提高了老师的效率。

基于百度开源飞浆引擎 PaddleOCR 项目地址 https://gitee.com/paddlepaddle/PaddleOCR 启动时会延迟3秒钟，用以启动虚拟WEB服务，非程序故障 F1 帮助 F2 截图OCR（可以直接将待识别的图片拖到图片框） F3 傻木网站 F4 退出 F5 最小化到托盘 双击图片窗口另存图片到桌面 双击本窗口，复制所有文本内容到剪切板

文章目录matplotlib—柱形图bar()和饼图pie()绘制地区分布柱形图绘制体重柱形图绘制体重分布饼图总结 matplotlib—柱形图bar()和饼图pie() 从昨天在百度百科爬取到的《青春有你2》参赛选手的数据，对选手的地区，体重等信息进行数据可视化。 部分数据展示（JSON格式）： 绘制地区分布柱形图 话不多说，直接上代码。 import matplotlib.pyplot as plt import numpy as np import json import matplotlib.font_manager as font_manager #显示matplotlib生成的

飞桨(PaddlePaddle)以百度多年的深度学习技术研究和业务应用为基础，是中国首个开源开放、技术领先、功能完备的产业级深度学习平台，集深度学习核心训练和推理框架、基础模型库、端到端开发套件和丰富的工具组件于一体。该文档系2019百度飞桨（PaddlePaddle）大连培训资料，与大家共享学习

基于百度飞浆的InfoGAN算法

用QT写的利用高拍仪识别身份证的一个软件，还有不成熟的地方，大家多多指教

目标检测YOLOv3算法

基于百度飞浆的车牌号识别，内含识别代码，训练代码，识别数据，训练数据，识别结果93%准确率的模型等