一个应用于公交、汽车、车站商场的人头检测程序，检测出人头进出数量。
输入一幅图片，通过计算指定入口区域的HIST结果，判断是否有人进入。
可同时检测2人进入或出去。
一种基于随机Hough变换(RHT)的人头检测方法。
根据人头部轮廓近圆的特征,采用Canny算子提取图像边缘,得到目标轮廓。
利用RHT算法对独立的曲线进行圆检测,并对人头进行标识。
实验结果表明,与现有方法相比,该方法的识别率较高、速度较快、适用范围较广。
输入一幅图片，通过计算指定入口区域的HIST结果，判断是否有人进入。
可同时检测2人进入或出去。
一种基于随机Hough变换(RHT)的人头检测方法。
根据人头部轮廓近圆的特征,采用Canny算子提取图像边缘,得到目标轮廓。
利用RHT算法对独立的曲线进行圆检测,并对人头进行标识。
实验结果表明,与现有方法相比,该方法的识别率较高、速度较快、适用范围较广。
2024/6/23 12:51:12
170KB
1
识别0-9十个数字，BP神经网络数字识别源代码使用说明第一步：训练网络。
使用训练样本进行训练。
（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。
首先，打开图像（256色）；
再次，进行归一化处理，点击“一次性处理”；
最后，点击“R”或者使用菜单找到相应项来进行识别。
识别的结果显示在屏幕上，同时也输出到文件result.txt中。
该系统的识别率一般情况下为90%。
此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。
具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。
注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。
具体使用请参照书中说明。
使用训练样本进行训练。
（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。
首先，打开图像（256色）；
再次，进行归一化处理，点击“一次性处理”；
最后，点击“R”或者使用菜单找到相应项来进行识别。
识别的结果显示在屏幕上，同时也输出到文件result.txt中。
该系统的识别率一般情况下为90%。
此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。
具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。
注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。
具体使用请参照书中说明。
2024/3/24 15:29:46
59KB
1
快递单扫描识别软件是一款可以通过高速扫描仪（或高拍仪）批量将物流（快递）单据快速扫描成像、自动识别条码单号作为文件名、上传到快递系统。
快递单扫描识别软件系统特点：1.支持所有品牌扫描仪（平板扫描仪、高速扫描仪和拍摄扫描仪）；
2.自动识别一维和二维条码，识别率达到99.9%以上，能识别所有快递公司的快递单。
3.对未识别的快递单，可以手动修改，操作简单。
4.自动以条码单号作为单据图像的文件名。
5.单据图像采用高压缩技术，每张图像少于100KB。
6.提供批量上传快递系统的快捷方法。
7.支持单号批量保存为Excel文件。
8.支持发货单与签收单分类分文件夹导出。
9.提供批量上传快递系统的快捷方法。
快递单扫描识别软件截图
快递单扫描识别软件系统特点：1.支持所有品牌扫描仪（平板扫描仪、高速扫描仪和拍摄扫描仪）；
2.自动识别一维和二维条码，识别率达到99.9%以上，能识别所有快递公司的快递单。
3.对未识别的快递单，可以手动修改，操作简单。
4.自动以条码单号作为单据图像的文件名。
5.单据图像采用高压缩技术，每张图像少于100KB。
6.提供批量上传快递系统的快捷方法。
7.支持单号批量保存为Excel文件。
8.支持发货单与签收单分类分文件夹导出。
9.提供批量上传快递系统的快捷方法。
快递单扫描识别软件截图
2024/2/28 9:58:51
10.72MB
1
这是我利用5000张正样本4673张负样本训练的XML，识别率比opencv默认提供的XML低一点，但是误检率比opencv提供的要低很多
2024/2/23 17:08:23
40KB
1
MNIST手写字Matlab程序，包含BP和CNN程序。
不依赖任何库，包含MNIST数据，BP网络可达到98.3%的识别率，CNN可达到99%的识别率。
CNN比较耗时，关于CNN的程序介绍：https://blog.csdn.net/hoho1151191150/article/details/79714691
不依赖任何库，包含MNIST数据，BP网络可达到98.3%的识别率，CNN可达到99%的识别率。
CNN比较耗时，关于CNN的程序介绍：https://blog.csdn.net/hoho1151191150/article/details/79714691
2024/2/22 23:45:55
21.62MB
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