搜索资源列表
文字识别程序
- 目前该手写体识别系统主要分为 预处理模块： 主要包括训练数据和识别数据的读取，归一化，二值化 特征提取模块：主要包括笔划方向特征和网格密度特征，还可以根据对识别率的要求继续增加其他特征 识别（分类器）模块：主要包括SVM方法和BP神经网络的方法，其中SVM方法的识别率较高，SVM＋网格密度特征， 在小字符集情况下，达到了识别率97％以上 采用OO思想编写，适合做二次开发-currently the handwriting recognition system consists of pretre
chepaishibie2
- 在车辆牌照自动识别系统中,因自然因素或采 样因素使得原本规则的印刷体字符产生畸变,给字符识别带 来了很大困难。本文在特征抽取的基础上,采用BP网络进行 分类,并附加线性感知器来实现单字的有效识别。该方法算法 简便,识别率高,可适用于多种高噪声环境中的印刷体字符识 别。
malic-0.0.9.1.tar
- Malic是一个完整的Linux下的人脸识别系统源代码，它是SourceForge上的一个开源项目，使用Malib实现实时处理，CSU Face Identification Evaluation System进行人脸识别。算法包括：主成份分析(principle components analysis (PCA)),a.k.a eigenfaces算法,混合主成份分析,线性判别分析(PCA+LDA),图像差分分类器(IIDC),弹性图像匹配算法(EBGM)
human
- 人运动的视觉分析系统一般遵从下述的处理过程：1)运动检测；2)运动目标分类；3)人的跟踪；4)行为理解与描述。这几篇文章将重点从此四个方面回顾人运动分析的目前发展水平和常用的处理方法，并对研究难点及未来的发展趋势作了较为详细的分析。
human_face_detection_system
- 本文的目的是借助Paul Viola最新提出的实时特征检测的技术，实现一个能够进行快速人脸检测的系统。并且通过训练，得到尽可能优化的分类器构造参数，从而获得具有高检测速度和检测正确率的人脸检测系统。-The purpose of this paper by drawing on the latest proposed by Paul Viola real-time feature detection technology, to realize a fast face detection sys
Study.on.License.Plate.Segmentation.Based.on.Color
- 智能运输系统中车牌识别技术得到了广泛应用 , 车牌分割是车牌识别的重要部分。基于彩色图像车牌分割与采用灰度图像车牌分割相比 , 可以有效消除阴影影响 , 同时车牌颜色也是车牌识别的一个参数。颜色分类处理使用特征函数 , 可以减少颜色坐标转换运算 , 提高颜色分类速度。文中详细讨论中国车牌特征 , 给出车牌分割详细步骤。车牌 区域判别采用信息融合技术。车牌倾斜矫正结合车牌倾斜特点 , 提出快速算法。-Intelligent Transport System in the license pla
zifushibie
- 光学字符识别系统，包括图像预处理、特征提取和分类器设计。-Optical character recognition system, including image preprocessing, feature extraction and classifier design.
VideoBasedFaceDetection
- 视频搜索中人脸识别关键技术的研究与实现。本文对人脸检测与识别技术进行了研究，实现了一个用于视频搜 索的自动人脸识别系统。该系统对输入的视频帧进行人脸检测和定 位，经过图像预处理之后，进行重要特征点Gabor一Fisher的特征提取 和分类识别。-Video search, face recognition and implementation of key technologies. In this paper, face detection and recognition tech
test2
- 基于haarlike特征，采用adaboost分类器的人脸检测系统-face detec
7788
- 大名鼎鼎的方帅的博士学位论文---目前,计算机智能视频监控在理论和应用上都面临着很多难题,国内外大批学者投身于该领域的研究和探索,并且取得了大量的成果.本文是在这些成果的基础上,对计算机智能视频监控系统的关键技术进行研究.主要贡献可概括如下:首先,对目标检测技术进行了研究,并提出了一种基于背景建模的运动目标检测算法.利用统计的方法建立了基于颜色和颜色梯度的背景模型,并实时地对背景模型进行更新,最后将这两种背景模型综合考虑对目标进行了有效的检测.接着,研究了复杂背景下多目标跟踪问题,提出了基于蒙特
finger_library
- 精通VisualC指纹模式识别系统算法及实现的分类指纹库-VisualC fingerprint pattern recognition system master algorithm and fingerprint database, a classification
CT
- 脑部CT图像自动诊断系统，包括特征提取和分类。特征采用灰度共生矩阵。-Automatic diagnosis system of brain CT images, including feature extraction and classification.
FACE-RECOGNITION
- 此文的目的有三个：第一，当地连续均值量化变换特征是提出照明和传感器敏感操作在目标识别上。其次，注册稀疏Winnows网络分割，提出了加快原分类。最后，特点和分类相结合对于正面人脸检测任务。检测结果列 为MIT + CMU系统和BioID数据库。关于这人脸检测器，接收器操作特征曲线BioID数据库产生最好的结果公布。对于结果麻省理工学院的中央结算系统+数据库相当于国家的最先进的脸探测器。一个人脸检测算法的MATLAB版本可以从http://www.mathworks.com/matlabce
Face-Detection-
- 人脸图象检测及分类系统的研究。HSV color model based on detection-Facial image detection and classification system. HSV color model based on detection
face
- 图像识别系统的结构与工作原理，在对图像预处理、特征提取、分类、图像匹配算法进行深入研究和分 析的基础上，分析和比较了各种算法的优缺点-Image Recognition System structure and working principle, in the image preprocessing, feature extraction, classification, image matching algorithm in-depth research and analysis, ba
moshishibie
- 模式识别是以应用为基础，目的是将图像进行分类。这些对象与应用领域有关，可以是图像、波形或者任何可测量且需要分类的对象。虹膜识别即为模式识别的一个主要应用，一个自动虹膜识别系统包含硬件和软件两大模块，虹膜图像获取装置和虹膜识别算法，分别对应于图像获取和模式匹配这两个基本问题。-Pattern recognition is based on the application purpose is to image classification. Related to the field with th
support-vector-machine
- 本书主要以分类问题（模式识别，判别分析）和回归问题为背景，系统阐述支持向量机和相应的优化算法-This book mainly classification (pattern recognition, discriminant analysis) and regression as the background, the system describes support vector machine and the corresponding optimization
FaceRec
- 人脸识别系统 PCA降维， SVM 分类， 40*10人脸数据库 对机器视觉 智能识别有帮助 -face recognition
online-random-forests-master
- 在线随机森林算法的源码，用于分类模式识别有很好的效果，适用于linux系统下。-Online Random Forest algorithm source code, for classification pattern recognition have a good effect for linux system.
MAERJIANCE
- 场景图像中文本占据的范围一般都较小，图像中存在着大范围的非文本区域。因此，场景图像文本定位作为一个独立步骤越来越受到重视。这包括从最先的CD和杂志封面文本定位到智能交通系统中的车牌定位、视频中的字幕提取，再到限制条件少，复杂背景下的场景文本定位。与此同时文本定位算法的鲁棒性越来越高，适用的范围也越来越广泛。文本定位的方式一般可以分为三种，基于连通域的、基于学习的和两者结合的方式。基于连通域的流程一般是首先提取候选文本区域，然后采用先验信息滤除部分非文本区域，最后根据候选文本字符间的关系构造文本