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

java_指纹识别_源码包括识别算法程序完整的项目工程源码供初学者学习供公司项目直接使用。

这是我在做项目时，给下一届接手的人写的一个关于Eigen库的快速上手手册，主要是针对于项目的应用来写的。
当时使用Eigen库的目的是，将Matlab写的，LPCC和MFCC两种声音识别算法，十字形声阵列的MUSIC定位算法，和SVM分类器算法，转换成C++然后移植到到ARM处理器上（操作系统级上的并不是裸机）。
而使用Eigen库的原因就是，其能够在编译时进一步优化，而且只需导入头文件即可进行调用，而不像其他的一些库需要安装那么麻烦。
这篇使用说明是在2016年7月14日完成的。
下面就是关于Eigen矩阵库的使用说明。

本人课程作业，直接运行Optimize.m即可进行测试。
其中除了SVM部分利用Matlab现有库，其余皆为自己编写的程序，由于预选框采用变尺度滑动，所以运行会比较慢，请谅解。

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。