搜索资源列表
matlabtocarrecognition
- 车牌识别matlab源程序 基于颜色的车牌定位和分割技术研究与实现 function [seg] = character_segmentation(bw) ％ character_segmentation: Returns the digit segments in the supplied binary image. ％ The function uses the \"segment\" function, keeping only the seven ％ s
Character_Recognition_Using_Neural_Networks
- Character Recognition Using Neural Networks Steps to use this GUI. 1. Open the GUI figure, run it. (accept the matlab to change its directory to new location where the file is stored) 2. First we need to teach Character to computer. For this ty
OCR
- 微软早在Office2003中推出了一个OCR模块，对中文有很好的支持（不亚于国内的一个品牌产品）。可能有许多人都注意到这个好东西了，但是MS_OCR在VC++上的接口和用法一直没见披露。 笔者在这里发布一个用MS_OCR做的示范程序，大家试试，识别能力还不错，并且支持多种图形格式 -Microsoft back in Office2003 has introduced an OCR module, the Chinese have a good support (no less tha
PlateRecognizer
- 车牌识别，神经网络算法，识别率高达95％，识别时间低于80ms。-License plate recognition, neural network algorithm, the recognition rate as high as 95 percent, to identify less than 80ms.
AVehicleContourbasedMethodforOcclusion
- 摘要：在交通场景下进行多目标跟踪时，如何正确检测出车辆间的相互遮挡是影响车辆跟踪结果的关键。针对问题，运用投 影理论分析交通场景的三维几何投影特征．用长方体投影轮廓模型对车辆进行建模，重构其乏维投影轮廓，以进行遮挡的检 测和分离。与以往的方法相比，它在估计出的车辆外形轮廓基础t-进行遮挡检测，不需要匹配操作，计算量较小，并能解决 基于匹配的方法无法对付的初始遮挡问题。用实验验证了该算法的有效性。-In multi—object tracking of traf氍c scene。how
CCMD_OCR
- 图形文字识别(OCR)是常用的东西。许多程序员都想在自己的程序中嵌入OCR的识别模块。但是，用别人的—要价太高；自己做—难度太大。 其实微软早在Office2003中推出了一个OCR模块，对中文有很好的支持（不亚于国内的一个品牌产品）。可能有许多人都注意到这个好东西了，但是MS_OCR在VC++上的接口和用法一直没见披露。 笔者在这里发布一个用MS_OCR做的示范程序，大家试试，识别能力还不错，并且支持多种图形格式（bmp,jpg,tif）。-Graphic character reco
ImprovedPCAFaceRecognitionAlgorithm
- 摘要：主成分分析（PCA）的人脸识别算法，以减少的特征向量是涉及到对抽象的特点，改进了主成分分析（一）iUumination算法的变化影响酶原sed.The方法是基于上减低与正常化其相应的标准差的特征向量元素相关联的大特征值的特征向量的影响力的想法。耶鲁大学和耶鲁大学面临的数据库面对数据库B是用来验证-Abstract：In principal component analysis(PCA)algorithms for face recognition，to reduce the influen
SimilarityCompare
- 本程序用于计算两个矢量图形的相似程度。 对于图形形状相似性问题，本程序满足了五个基本要求： 1.对于任意两个图形的相似程度必须得出一个量化的结果，在此称为图形相似度。 2.对图形形状的检测必须忽略 大小、旋转、轴对称、连线顺序的影响。 3.对于相同的图形，形状相似度必须为1；对于不相同的图形，形状相似度必须小于1。 4.两个图形的形状相似度必须与其相似程度成严格单调性，即对于同一个基准图形，越相似的图形相似度越高，越不相似的图形相似度越低。 5.必须能在可接受的时间与空间
camera-calibration-
- 首先自制一张标定图片，用A4纸打印出来，设定距离，再设定标定棋盘的格子数目，如8×6，然后利用cvFindChessboardCorners找到棋盘在摄像头中的2D位置，这里cvFindChessboardCorners不太稳定，有时不能工作，也许需要图像增强处理。 计算实际的距离，应该是3D的距离。我设定为21.6毫米，既在A4纸上为两厘米。 再用cvCalibrateCamera2计算内参， 最后用cvUndistort2纠正图像的变形。 -First, a
facedet3
- 简单的基于肤色的人脸检测，包括图像大小变换，肤色分割，形态滤波等等步骤-Simple color-based face detection, but also less precise
13
- 提出了一种基于垂直字符边界点特征的车牌定位方法，该方法能有效定位车牌，定位精度 高达98％，定位时间不超过2 S，并能有效地克服光线和无气条件等影响。-Presents a character based on the vertical plate location feature boundary point method can effectively locate license plate, positioning accuracy of up to 98 , positioning
12542959VC_xijunfengeyutongji
- 采用VC++的细菌分割与统计程序，不下要后悔，-Bacteria using VC++ segmentation and statistical procedures, no less than to regret,
faceface
- 系统有以下部分组成：电脑自带摄像头拍照、人脸检测、将人脸照片录入数据库、输入照片进行人脸识别。本程序是基于肤色识别的方法对人脸进行检测，人脸肤色范围是100≤B≤120，140≤R≤160，所以将此范围内的像素点置白，剩余部分置黑。利用imerode函数对图片进行球状腐蚀，然后再对图片进行中值滤波，达到平滑效果。最后，对于这张已经缩放而且二值化和各种处理之后的照片来说，如果白化区域的像素点少于1000，就舍弃。将图片进行分割，这里我们引进了欧拉数。 这样就可以把一些类似颜色人脸的背景排除。
beijing03
- 背景提取，迭代法(Surendra算法）；即采用帧差的方法，一帧图像减去前一帧图像，即可以对比得到图像中变化（移动）的区域，扣除移动的区域，即得到不动的背景。采用多帧图像迭代的方法，得到更加准确的背景。-Background extraction, iterative method (Surendra algorithm) frame difference method is used, an image by subtracting the previous frame, which can
two_phase_sparse_ORL
- 两阶段测试样本稀疏表示方法具有识别率高的特点，有助于准确分类测试样本，但稀疏方法迭代时间长，效率较低，因此仍需要与其他方法进行结合-Two-stage test sample sparse representation method has high recognition rate, helps to accurately classify the test samples, but sparse iterative approach for a long time, less efficie
sparsemtl
- 多任务学习算法 可以实现目标跟踪、分类 研究较少 相对传统单任务分类算法有明显的优势-Multitasking learning algorithm can realize target tracking and classification research is less Have obvious advantages over traditional single task classification algorithm
zhiwen
- 这个程序就是从联合开发网下载的，但是有一个错误导致识别率不足60%。 原始版本在图像旋转后提取的指纹中心点算法有误，每次提取的中心点都在图像边缘，造成后面提取的FingerCode也会出错。 这个修改使旋转前的中心点与旋转后的中心点保持一致，同时减少了运算复杂度(This program is downloaded from www.pudn.com, but one error led to recognition rate of less than 60%. The original