使用多层CNN卷积神经网络构建模型，分析人脸的轮廓，将人脸照片数据放入data中进行训练，并且能够对人脸的表情进行分析（高兴、愤怒、难过、一般）
2024/4/20 19:39:25
917KB
1
将原始信号按照一定的规则进行重新组合，构成多向数据矩阵，利用多向主元分析方法将数据投影到主成分空间，实现信号的多层次分解。
对人脸RGB图像及某模拟电路的一维输出信号进行了处理。
结果表明，这种处理方法可很好地实现异常特征的空/时。
域定位及可视化校正，校正出的图像可更好地显示皮肤纹理特征，校正出的一维信号则可更突出地反射原始信号中干扰信号的位置及时域特征。
对人脸RGB图像及某模拟电路的一维输出信号进行了处理。
结果表明，这种处理方法可很好地实现异常特征的空/时。
域定位及可视化校正，校正出的图像可更好地显示皮肤纹理特征，校正出的一维信号则可更突出地反射原始信号中干扰信号的位置及时域特征。
2024/4/20 16:17:21
3.29MB
1
通过LBP训练15小时出来的xml文件，用70000个人脸素材和10000个反面素材训练出来的，供大家学习使用准确率很高
2024/4/19 16:47:31
29KB
1
使用matlab打开笔记本自带的摄像头进行实时人脸识别。
修改了matlab示例程序，具有较好的实时性和鲁棒性，能够在光线充足的环境下稳定识别并跟踪。
注：若未在matlab中使用过摄像头，需要在matlab中首先手动联网下载安装笔记本自带摄像头的支持包，否则可能无法识别自带的摄像头
修改了matlab示例程序，具有较好的实时性和鲁棒性，能够在光线充足的环境下稳定识别并跟踪。
注：若未在matlab中使用过摄像头，需要在matlab中首先手动联网下载安装笔记本自带摄像头的支持包，否则可能无法识别自带的摄像头
2024/4/18 0:44:55
4KB
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