手脸近距遮挡属于深度传感器应用中具有代表性的难点问题，针对该问题提出了一种综合利用颜色与深度信息的手势识别方法。
采用核模糊C-均值聚类，对手脸遮挡图像进行粗分割和灰度增强，实现手脸分离。
引入初始化水平集函数，处理聚类方法导致的手势区域像元缺失问题。
利用基于深度信息的梯度方向直方图(HOG)特征对手势进行分类识别。
通过采集不同人体手脸近距遮挡情形下的多种手势图像建立了样本数据库，进行了对比实验，实验结果验证了该方法的可行性和有效性。
本文方法能有效分离近距遮挡的手和脸，提取得到相对完整的手势信息，深度HOG特征能够对手势空间信息进行精确描述，具有比传统形状特征更准确的识别效果。
采用核模糊C-均值聚类，对手脸遮挡图像进行粗分割和灰度增强，实现手脸分离。
引入初始化水平集函数，处理聚类方法导致的手势区域像元缺失问题。
利用基于深度信息的梯度方向直方图(HOG)特征对手势进行分类识别。
通过采集不同人体手脸近距遮挡情形下的多种手势图像建立了样本数据库，进行了对比实验，实验结果验证了该方法的可行性和有效性。
本文方法能有效分离近距遮挡的手和脸，提取得到相对完整的手势信息，深度HOG特征能够对手势空间信息进行精确描述，具有比传统形状特征更准确的识别效果。
2018/1/7 4:29:25
11.61MB
1
https://blog.csdn.net/weixin_42346564/article/details/84950981步骤1：用高斯滤波器平滑处理原图像；
步骤2：用一阶偏导的无限差分进行计算梯度的幅值和方向；
步骤3：对梯度幅值进行非极大值抑制；
步骤4：用双阈值算法检测和连接边缘。
步骤2：用一阶偏导的无限差分进行计算梯度的幅值和方向；
步骤3：对梯度幅值进行非极大值抑制；
步骤4：用双阈值算法检测和连接边缘。
2015/2/13 9:03:18
796KB
1
CVPR2021最新信息及已接收论文/代码（持续更新）本贴是对CVPR2021已接受论文的粗略总结，后续会有更详细的总结。
期待中……官网链接：:参加时间：2021年6月19日-6月25日论文接收公布时间：2021年2月28日接收论文ID：目录:cat_face::dog_face::mouse_face::hamster::tiger_face::Japanese_service_charge_button::Japanese_service_charge_button::Japanese_service_charge_button::star:转换一致性很少的开放集识别:house::house::television:通过消除依赖位置的透视效果来改进3D人体姿态估计技术工作。
提出的D3Net在语义分割和音乐源分离任务上的表现转变SOTA网络:star::star:ECCV2020FacebookMapillary视觉场所识别挑战赛冠军方案用纯多模态CT影像可替代现有JHMI的需要做肿
期待中……官网链接：:参加时间：2021年6月19日-6月25日论文接收公布时间：2021年2月28日接收论文ID：目录:cat_face::dog_face::mouse_face::hamster::tiger_face::Japanese_service_charge_button::Japanese_service_charge_button::Japanese_service_charge_button::star:转换一致性很少的开放集识别:house::house::television:通过消除依赖位置的透视效果来改进3D人体姿态估计技术工作。
提出的D3Net在语义分割和音乐源分离任务上的表现转变SOTA网络:star::star:ECCV2020FacebookMapillary视觉场所识别挑战赛冠军方案用纯多模态CT影像可替代现有JHMI的需要做肿
2018/10/12 13:46:58
7KB
1
中文信息计算机自动处理的研究已有几十年的历史,但至今仍有许多技术难题没有得到很好处理,中文姓名自动识别问题就是其中的一个。
由于它与中文文本的自动分词一样,属于中文信息处理的基础研究领域,因而它的研究成果直接影响到中文信息的深层次研究。
汉语的自身特点使得中文信息自动处理大多是先对要处理的文本进行自动分词(加入显式分割符),然后再在分词的基础上进行词法、语法、语义等方面的深入分析。
而在分词阶段,文本中的人名、地名以及其它专有名词和生词大多被切分成单字词,在这种情形下如不能很好地处理汉语文本中专有名词生词的识别问题,将给其后的汉语文本的深入分析带来难以逾越的障碍。
中文姓名的自动识别问题就是在这种背景下提出来的。
对这一问题的研究目前采用的技术中主要利用以下几方面的信息:姓名用字的频率信息、上下文信息[1,2]、语料库统计信息[2]、词性信息等[3]。
本文的方法是,首先对中文人名的构成、姓名用字的规律及上下文文本信息特征进行充分分析,在此基础上建立起两组规则集,将其作用于测试文本,获得初步识别结果,再利用大规模语料库的统计信息对初步识别结果进行概率筛选,设定合适的阈值,输出最终识别结果。
经对50多万字的开放语料测试,系统自动识别出1781个中文人名,在不同的筛选阈值下获得90%以上的识别准确率,而召回率高于91%。
由于它与中文文本的自动分词一样,属于中文信息处理的基础研究领域,因而它的研究成果直接影响到中文信息的深层次研究。
汉语的自身特点使得中文信息自动处理大多是先对要处理的文本进行自动分词(加入显式分割符),然后再在分词的基础上进行词法、语法、语义等方面的深入分析。
而在分词阶段,文本中的人名、地名以及其它专有名词和生词大多被切分成单字词,在这种情形下如不能很好地处理汉语文本中专有名词生词的识别问题,将给其后的汉语文本的深入分析带来难以逾越的障碍。
中文姓名的自动识别问题就是在这种背景下提出来的。
对这一问题的研究目前采用的技术中主要利用以下几方面的信息:姓名用字的频率信息、上下文信息[1,2]、语料库统计信息[2]、词性信息等[3]。
本文的方法是,首先对中文人名的构成、姓名用字的规律及上下文文本信息特征进行充分分析,在此基础上建立起两组规则集,将其作用于测试文本,获得初步识别结果,再利用大规模语料库的统计信息对初步识别结果进行概率筛选,设定合适的阈值,输出最终识别结果。
经对50多万字的开放语料测试,系统自动识别出1781个中文人名,在不同的筛选阈值下获得90%以上的识别准确率,而召回率高于91%。
2018/8/19 23:04:07
83KB
1
该课题为基于MATLABbp神经网络的雾霾天气下交通标志的识别系统。
主要分两步骤，一是进行图像去雾，采用暗通道的方法获取光透射率，从而去除雾霾。
得到清晰的图片后，利用颜色的方法进行交通标志的定位，众所周知，交通标志基本是红，蓝，黄三色组成，根据RGB不同组合可以定位到不同颜色，因为存在误差，所以需要借助形状学相关知识，将得到的误干扰面积去除，从而实现精准定位。
定位后，在原图基础上进行分割出彩色图标，利用bp神经网络方法，进行训练，识别，从而得出结果。
本设计配有一个GUI可视化界面，操作简单容易上手。
是个不错的选题。
主要分两步骤，一是进行图像去雾，采用暗通道的方法获取光透射率，从而去除雾霾。
得到清晰的图片后，利用颜色的方法进行交通标志的定位，众所周知，交通标志基本是红，蓝，黄三色组成，根据RGB不同组合可以定位到不同颜色，因为存在误差，所以需要借助形状学相关知识，将得到的误干扰面积去除，从而实现精准定位。
定位后，在原图基础上进行分割出彩色图标，利用bp神经网络方法，进行训练，识别，从而得出结果。
本设计配有一个GUI可视化界面，操作简单容易上手。
是个不错的选题。
2016/5/4 3:50:35
79.64MB
1
1、这个工程只是预处理人脸表情的，不含有训练和辨认部分。
预处理包括：人眼定位（人眼粗定位，双框框定，人眼精确定位）——几何预处理（人脸图像的旋转矫正、人脸图像的分割、人脸图像缩放）——灰度预处理（直方图均衡化）2、详细可参考：http://blog.csdn.net/raby_gyl/article/details/121755673、工程是基于vs2008和opencv2.30编写的。
4、工程的测试图片是日本jaffe女性人脸表情库。
5、工程是基于一篇优秀的硕士论文写的，论文名字是：基于Gabor小波变换和SVM的人脸表情辨认作者：王黎燕
预处理包括：人眼定位（人眼粗定位，双框框定，人眼精确定位）——几何预处理（人脸图像的旋转矫正、人脸图像的分割、人脸图像缩放）——灰度预处理（直方图均衡化）2、详细可参考：http://blog.csdn.net/raby_gyl/article/details/121755673、工程是基于vs2008和opencv2.30编写的。
4、工程的测试图片是日本jaffe女性人脸表情库。
5、工程是基于一篇优秀的硕士论文写的，论文名字是：基于Gabor小波变换和SVM的人脸表情辨认作者：王黎燕
2021/4/15 23:53:27
6.16MB
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