为了实现基于ARM的指纹识别门禁系统，采用Veridicom公司的FPS200指纹采集芯片进行指纹采集，采用Samsung公司ARM9$3C2440AL给出了系统的软硬件设计及仿真结果。
经验证该系统拒识率小于0．1，认假率小于0．01，识别时间小于2S，实验结果良好。
此外，重点引见了该系统中采用的指纹分割算法，该算法以前景与背景类间方差最大为原则，分割稳定的同时具有分割阈值的自适应性。
经验证该系统拒识率小于0．1，认假率小于0．01，识别时间小于2S，实验结果良好。
此外，重点引见了该系统中采用的指纹分割算法，该算法以前景与背景类间方差最大为原则，分割稳定的同时具有分割阈值的自适应性。
2016/7/25 1:04:15
217KB
1
ov7725带FIFO不断地将图像显示到屏幕上，在一帧产生中断后，主函数再通过对屏幕的RGB色彩读取，转换成HSL值，通过阈值判断，颜色婚配，腐蚀中心，就可以进行图像识别，适用于STM32野火开发板ov7725摄像头
2015/11/3 16:55:54
2.83MB
1
将彩色图片转成二值化图片，可以保存。
从RGB转到LAB色彩空间，再进行二值化，用滑条手动修改参数。
效果还可以，和用某软件的阈值编辑器做出效果一样，不知道怎么上传效果图片。
代码里面能正文的都正文了，但水平有限，可能会有出错的地方，但使用基本上没有出现BUG。
从RGB转到LAB色彩空间，再进行二值化，用滑条手动修改参数。
效果还可以，和用某软件的阈值编辑器做出效果一样，不知道怎么上传效果图片。
代码里面能正文的都正文了，但水平有限，可能会有出错的地方，但使用基本上没有出现BUG。
2016/4/10 8:24:50
49KB
1
BP（BackPropagation）神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前使用最广泛的神经网络模型之一。
BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。
它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。
BP神经网络模型拓扑结构包括输入层（input）、隐层(hiddenlayer)和输出层(outputlayer)。
BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。
它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。
BP神经网络模型拓扑结构包括输入层（input）、隐层(hiddenlayer)和输出层(outputlayer)。
2021/6/22 4:33:54
4KB
1
使用混合高斯背景建模方法，进行视频中运动物体的检测。
视频采用matlab自带的视频。
适用于背景静止的视频。
会用方框框出运动物体，阈值可自行调理。
含实验报告。
课程实验，仅供参考。
视频采用matlab自带的视频。
适用于背景静止的视频。
会用方框框出运动物体，阈值可自行调理。
含实验报告。
课程实验，仅供参考。
2015/5/19 23:36:55
1.17MB
1
RaspberryPi自动CPU风扇控制动态睡眠间隔CPU温度离阈值越远，脚本Hibernate的时间就越长。
X轴是温度，Y轴是睡眠时间。
随着温度的升高，从左到右，睡眠时间（绿线）以Y=-X/2的斜率稳定缩短。
一旦温度达到ON阈值（蓝色垂直线），便打开风扇，并以Y=X（蓝色线）计算睡眠时间。
风扇保持开启形态，直到温度达到OFF阈值（红线）为止，此时睡眠时间切换回浅的负斜率。
X轴是温度，Y轴是睡眠时间。
随着温度的升高，从左到右，睡眠时间（绿线）以Y=-X/2的斜率稳定缩短。
一旦温度达到ON阈值（蓝色垂直线），便打开风扇，并以Y=X（蓝色线）计算睡眠时间。
风扇保持开启形态，直到温度达到OFF阈值（红线）为止，此时睡眠时间切换回浅的负斜率。
2020/6/5 8:20:18
76KB
1
关于代码的引见可以参考https://blog.csdn.net/qq_41562704/article/details/88975569，代码基于Win10+Python3.7环境，对采集的图片进行了图像平滑，基于OTSU阈值的肤色分割，基于八邻域搜索法进行轮廓检测操作，最终完成了手势图片从采集到轮廓曲线的提取过程，对已得到的轮廓曲线提取其傅里叶描述子和椭圆傅里叶描述子，并分别进行了归一化处理。
用KNN和SVM两种算法训练模型，以自己采集数据集为训练集进行了训练，最后基于PyQt5制作了简易界面。
用KNN和SVM两种算法训练模型，以自己采集数据集为训练集进行了训练，最后基于PyQt5制作了简易界面。
2022/9/28 3:55:24
142.52MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB