本资源是在Matlab平台上实现模板匹配，核心代码包括肤色分割以及模板匹配，肤色分割是通过在YCrCb色彩空间下进行肤色建模，从而实现肤色分割，在肤色分割的基础上实现模板匹配，从而实现人脸检测
2024/11/1 6:53:47
1.74MB
1
我使用OpenCV2.4.4的windows版本+Qt4.8.3+VS2010的编译器做了一个手势识别的小程序。
本程序主要使到了Opencv的特征训练库和最基本的图像处理的知识，包括肤色检测等等。
废话不多，先看一下基本的界面设计，以及主要功能：
本程序主要使到了Opencv的特征训练库和最基本的图像处理的知识，包括肤色检测等等。
废话不多，先看一下基本的界面设计，以及主要功能：
2024/8/9 19:46:35
16.22MB
1
针对人脸检测问题中快速性与准确性难以同时满足的情况，提出了一种将肤色和脸部特征相结合的方法来检测人脸。
由于通过基于肤色的算法能快速定位出人脸大致位置，因而检测速度能达到实时的要求；
同时利用脸部特征进一步细检，可保证检测的精确性。
由于通过基于肤色的算法能快速定位出人脸大致位置，因而检测速度能达到实时的要求；
同时利用脸部特征进一步细检，可保证检测的精确性。
2024/8/7 20:03:08
238KB
1
人脸检测作为物体检测问题的一个特例,长期以来一直备受关注,已经开始广泛应用到全新人机界面、基于内容的检索、基于目标的视频压缩、数字视频处理、视觉监测等许多领域。
本论文研究的是如何准确地在复杂背景的灰度或彩色图像中测人脸,同时验证了结合肤色等多种信息融合的方法是提高检测速度的有效途径之一。
利用目前较为流行的AdaBoost算法的一个改进算法——GentleAdaBoost算法,设计实现了以这个算法为核心的快速人脸检测系统,系统分训练和检测两部分,训练的最终目的就是得到一多层分类器结构,人脸检测的效率和检测速度在很大程度上是由这种结构形式决定的。
通过一系列的比较得出样本选取、特征选取、核心算法等很多因素影响着多层分类器的结构形式。
本论文研究的是如何准确地在复杂背景的灰度或彩色图像中测人脸,同时验证了结合肤色等多种信息融合的方法是提高检测速度的有效途径之一。
利用目前较为流行的AdaBoost算法的一个改进算法——GentleAdaBoost算法,设计实现了以这个算法为核心的快速人脸检测系统,系统分训练和检测两部分,训练的最终目的就是得到一多层分类器结构,人脸检测的效率和检测速度在很大程度上是由这种结构形式决定的。
通过一系列的比较得出样本选取、特征选取、核心算法等很多因素影响着多层分类器的结构形式。
2024/6/24 19:03:18
1.38MB
1
1.先采集摄像头视频，对每一帧图像进行处理。
（这部分在主函数里面）2.然后对每一帧图像进行hsv颜色空间变换，这个模型中颜色的参数分别是：色调（H），饱和度（S），明度（V）。
3.对hsv的各个通道进行阈值分割，分割出人体的肤色4.对分离出的人体肤色部分用腐蚀膨胀的方法进行滤波处理，在进行凹包凸包分析，计算各个分离出来的区块的面积，删除掉面积太小的区块，在计算轮廓的深度，取深度最大的为目标轮廓。
5.然后对目标轮廓的凹凸包的个数就可以的出手势表示的数字。
（这部分在主函数里面）2.然后对每一帧图像进行hsv颜色空间变换，这个模型中颜色的参数分别是：色调（H），饱和度（S），明度（V）。
3.对hsv的各个通道进行阈值分割，分割出人体的肤色4.对分离出的人体肤色部分用腐蚀膨胀的方法进行滤波处理，在进行凹包凸包分析，计算各个分离出来的区块的面积，删除掉面积太小的区块，在计算轮廓的深度，取深度最大的为目标轮廓。
5.然后对目标轮廓的凹凸包的个数就可以的出手势表示的数字。
2023/12/19 20:27:47
32.63MB
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