自主式CCD星敏感器(或称为星跟踪器)自身带有微处理器，是一种智能化的姿态敏感器。
由于其指向精度高、无姿态累计误差以及具有快速故障恢复能力，已成为航空、航天以及军事领域备受关注的研究对象。
利用星敏感器确定卫星姿态就是对出现在星敏感器视场中的恒星进行识别，通过星光矢量确定星图拍摄瞬间星敏感器视轴在惯性坐标系中的指向，进而确定航天器姿态。
本文以卫星姿态自主确定技术为研究背景,对基于CCD星敏感器的星图识别技术进行了研究。
论文对基于星敏感器确定卫星姿态的技术流程进行了叙述，但重点是对星图识别算法的设计与实现进行了研究。
基于星敏感器确定卫星姿态主要存在以下问题:如何构建分布合理并且能够满足导航需要的导航星表、如何设计适应性强、精度高的星图识别算法以及采用何种滤波算法解算卫星姿态等。
本文就其中部分内容进行了研究,并进行了实验验证

参考博客：https://blog.csdn.net/qq_30155503/article/details/102764838文件内含：源码+论文本设计基于linux操作系统，由客户端（门禁设备）和服务器（后台处理中心）组成，通过以太网形成组网，实现一个人脸识别门禁系统。
客户端为嵌入式Linux设备，采用QT库显示界面，通过摄像头采集图像。
服务器为PC上Ubuntu系统，采用QT库显示界面，以OpenCV库为基础进行图像处理，采用基于Haar特征的人脸检测及LBPH人脸识别算法。
客户端负责采集图像并上传服务器，以及控制门禁设备；
服务器负责对图像进行人脸识别，以及增删人脸等的用户管理，是整个系统的处理中心。

我收集到得一些人脸识别的程序和大家分享-人脸识别系统（已经建立人脸库）.rar将我收集到得一些比较完整的人脸识别的资料和大家分享，由于附件大小的限制我只挑选了一些小的发上来，还有些为了减小文件，我把数据文件和人脸库等一些图片都删掉了，所以程序可能无法直接演示，需要大家自己添加一些数据文件。
人脸库网上都有，大家可以自己下载。
程序还是不错的，大家可以参考有一下一些资料完整的人脸识别系统（已经建立人脸库）NMFs算法用于实现基于人脸局部特征的人脸识别OPENGL人脸识别使用基于LDA算法的人脸识别程序国外著名大学成功的人脸检测识别算法中的眨眼检测用HMM实现的人脸识别及其文档经过调试完整的人脸检测系统源码LinearDiscriminantAnalysis算法

SeetaFace2采用标准C++开发，全部模块均不依赖任何第三方库，支持x86架构（Windows、Linux）和ARM架构（Android）。
SeetaFace2支持的上层应用包括但不限于人脸门禁、无感考勤、人脸比对等。
编译简介2.1编译依赖GNUMake工具GCC或者Clang编译器CM2.2linux和windows平台编译说明linux和windows上的SDK编译脚本见目录craft，其中craft/linux下为linux版本的编译脚本，craft/windows下为windows版本的编译脚本，默认编译的库为64位Release版本。
linux和windows上的SDK编译方法：打开终端（windows上为VS2015x64NativeToolsCommandPrompt工具，linux上为bash），cd到编译脚本所在目录；
执行对应平台的编译脚本。
linux上example的编译运行方法：cd到example/search目录下，执行make指令；
拷贝模型文件到程序指定的目录下；
执行脚本run.sh。
windows上example的编译运行方法：使用vs2015打开SeetaExample.sln构建工程，修改Opencv3.props属性表中变量OpenCV3Home的值为本机上的OpenCV3的安装目录；
执行vs2015中的编译命令；
拷贝模型文件到程序指定的目录下，运行程序。
2.3Android平台编译说明Android版本的编译方法：安装ndk编译工具；
环境变量中导出ndk-build工具；
cd到各模块的jni目录下（如SeetaNet的Android编译脚本位置为SeetaNet/sources/jni,FaceDetector的Android编译脚本位置为FaceDetector/FaceDetector/jni），执行ndk-build-j8命令进行编译。
编译依赖说明：人脸检测模块FaceDetector，面部关键点定位模块FaceLandmarker以及人脸特征提取与比对模块FaceRecognizer均依赖前向计算框架SeetaNet模块，因此需优先编译前向计算框架SeetaNet模块。

Python编写的双2D,2DPCA,算法使用库函数的LBP,直方图算法余弦相似度，https://blog.csdn.net/u012505617/article/details/89191158feret人脸库，200人，每人7张；
看到大家需要，我就上传了。
代码都是我整理的，编写通过的。
Oracle数据库之前上传过

OpenCVforUnity2.3.9(从UnityAssetStore得到)，可将OpenCV图像识别算法应用于Unity，并几乎对全平台支持，已经使用Unity2019.4.2.f1测试通过。
【注意】导入后务必阅读ReadMe.pdf并按照其中的要求进行配置（在更新日志后面的Quicksetupprocedure...部分），否则将有部分功能无法正常使用！

数字信号处理-试题DTMF信号的识别算法：电话双音多频拨号信号的识别

详细描述了基于隐马尔可夫模型的语音识别算法，具有较高的识别率

FPGA流水线操作实现图像连通域处理标记位置，由于该方法进行的是并行流水线处理，即对图像扫描一遍就可完成对所有连通区域的识别，因此识别每个连通区域的延时都是固定的，并不会因为图像中连通区域多，延时就增加。
该延时也很小，约扫描十几行图像的时间。

此程序包含经典PCA以及2DPCA算法的MATLAB程序，以及在ORL人脸数据库中的人脸识别应用，分类识别算法采用的是SVM。
PCA最高识别率为85%2DPCA为91%程序中涉及到一些图片路径的修改，请注意自己修改。
部分重要程序有xxx以及TDxxx两份，分别对应于PCA以及2DPCA程序的使用。
主要识别能力有：单张人脸的类别的识别，全体人脸的识别率的计算，单张人脸的图像近似重构。
特别注意：在test之前一定要先train一下哦：比如：TDtrain(40,5,5);TDtest

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。