打包后太大了，只有源程序。
在vs2013可运行成功1、新建一个win32控制台程序2、自己需在vs配置好vlc和opencv3、导入代码就可以，在换成自己的url
在vs2013可运行成功1、新建一个win32控制台程序2、自己需在vs配置好vlc和opencv3、导入代码就可以，在换成自己的url
2024/3/14 21:20:02
3.46MB
1
因为找了一些程序不能运行，所以自己做了个车辆检测的项目，基于vs2013和opencv3，有项目可直接运行（版本更新后不保证），提供两个模型和测试视频、图片。
如有帮助或建议请给予评价，同时希望大家有资源能多多上传，交流才能进步。
谢谢
如有帮助或建议请给予评价，同时希望大家有资源能多多上传，交流才能进步。
谢谢
2024/3/8 1:02:13
16.48MB
1
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。
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。
2024/3/4 14:23:01
2.03MB
1
基于VS2017+opencv3.4.3的立体匹配SGBM与BM算法代码，opencv更新后，SGBM与SM的调用也发生改变，在网上查了一大圈后，终于将代码成功运行出来了。
（注：此代码不涉及两种算法的具体流程，只是基于opencv库的成功调用运行，每个代码就60行左右。
想看算法原理的就别下了）
（注：此代码不涉及两种算法的具体流程，只是基于opencv库的成功调用运行，每个代码就60行左右。
想看算法原理的就别下了）
2024/2/14 0:13:07
19.69MB
1
基于OpenCV3.2+Qt5.8的basler相机硬件触发开发。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
2024/2/11 6:34:18
928KB
1
基于opencv实现的，圆形环状标记点识别与检测。
内含源码，论文和标记点图样。
标记点样式是自己定义的，识别逻辑只适用于此标记点。
此代码基于opencv3.3实现，其他版本未测试。
依赖库：opencv_coreopencv_imgcodecsopencv_highguiopencv_imgproc
内含源码，论文和标记点图样。
标记点样式是自己定义的，识别逻辑只适用于此标记点。
此代码基于opencv3.3实现，其他版本未测试。
依赖库：opencv_coreopencv_imgcodecsopencv_highguiopencv_imgproc
2024/2/9 17:45:09
1.38MB
1
基于增量式SfM实现多视图三维点云重建，完整的工程文件，内含所需图片，可直接运行。
环境：Win10+VS2015+OpenCV3.4+PLC1.8。
环境：Win10+VS2015+OpenCV3.4+PLC1.8。
2024/2/5 19:41:41
60.51MB
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