基于selective_search源码对手写数字串进行过滤分割，并基于tensorflow在mnist训练好的模型进行识别。
环境：Windows10+tensorflow1.2+python3.5+cv2程序： example/demo.py---对手写数字图片的分割，并将每个数字做成28*28的黑底白字图片，保存在本地image_data.npy example/mnist_model.py---对手写体mnist数据集进行训练，训练好后读取数据进行识别 example/camera.py---是调用计算机摄像头获取图片用的，按q退出拍照 selectivesearch/selectivesearch.py---是选择性搜索的源代码注意：手写数字的图片尽量不要太大（太大会显得数字写的太细，调大数字粗细度），每个数字大小不要差太多，可以在画板上写的一个数字长宽在50像素左右效果不错，其他的没有测试过。

能够实现调用摄像头，实时检测人脸，实时注册捕捉照片存入本地，同时多人识别的人脸识别程序的源代码，需要环境为face_recognition,dlib,cv2,numpy等，可自行在pycharm等配置环境。

pythoncv2库安装包,将此文件复制到(python目录)/Libs/site-packages/文件夹下，在py文件里面importcv2就能使用了

*python源程序采用rtsp视频流协议调用，用第三方软件找到摄像头真正的rtsp地址。
*其原理是通过ONVIFS协议和标准接口找到监控的rtsp地址1.打开软件时需输入监控的账户密码(DLD-J大立公司摄像头)adminZxcvbnm1232.软件会自动识别现在局域网内所有支持ONVIF协议的设备3.而后会找到rtsp地址，并用cv2.VideoCapture()调用

适用于anaconda3下使用cv2package,下载终了之后，直接pipinstallopencv_python-3.4.1-cp36-cp36m-win_amd64.whl安装即可

基本思路：微分方程求解，**用邻近的像素替换那些坏标记，使其看起来像是邻居**。
假设图像里的一个区域要修复。
算法从这个区域的边界开始，逐步地进入区域，把边界内的所有东西填充上。
它取要修复的部分周围的一个像素周围的一小片邻居。
这个像素被周围已知的像素的标准加权和替换掉。
选择权重是很重要的。
要修复的点周围像素的权重较高。
和正常边界近的，还有在边界轮廓上的像素的权重较高。
当像素被修复以后，它会通过快速匹配方法($FMM$)移动到最近的像素。
$FMM$保证那些已知像素周围的像素首先被修复，所以这个就像人工启发式的操作一样。
$OpenCV$提供了两种算法。
两者都可以通过相同的函数访问，$cv2.inpaint（）$。
第一种算法基于$AlexandruTelea$于2004年发表的“基于快速行进方法的图像修复技术”。
它基于快速行进方法。
考虑图像中要修复的区域。
算法从该区域的边界开始，然后进入区域内，逐步填充边界中的所有内容。
它需要在邻近的像素周围的一个小邻域进行修复。
该像素由邻居中所有已知像素的归一化加权和代替。
选择权重是一个重要的问题。
对于靠近该点的那些像素，靠近边界的法线和位

网上关于Python安装Opencv总是出现DLLLoadFiled问题的解决方法，本人亲测无法解决问题，于是探索了一种新的解决方法,先对所有现存方法以及本人方法进行汇总，希望对大家有所协助：网上现存的几种问题与解决方法：（1）版本匹配问题：比如Opencv版本opencv_python-3.4.3（+contrib）-cp36-cp36m-win_amd64.whl应对应python3.6.~版本；
（下载地址http://www.lfd.uci.edu/~gohlke/pythonlibs/）。
（2）缺少Python3.dll：详细参看：https://blog.csdn.net/wuzhouqingcy/article/details/77509454（3）环境变量问题，详细参看：https://www.cnblogs.com/syw20170419/p/6945347.html（4）安装opencv-python（5）拷贝opencv安装目录下cv2.dll到python\Lib\site-package文件夹详细参看：https://blog.csdn.net/yingyueer247/article/details/76422848/（6）系统缺少MSVCP140.DLL动态库，需要安装VisualC++2015redistributable，详细参看：https://blog.csdn.net/yingyueer247/article/details/76422848/本人以上方法均进行测试，并尝试重新安装Python，但importcv2仍旧提示DLLLoadFiled，问题依旧存在，考虑到还是系统仍缺少某些DLL，导致在importcv2时，调用CV2.dll出错（本人安装opencv_python-3.4.3，对应D:\ProgramFiles\Python366\Lib\site-packages下的cv2.cp36-win_amd64.pyd），具体解决方法见附件。

基于Haar+Adaboost人脸识别使用python+cv2实现具体算法原理待日后整理说明先上传可实现代码，有需要的自行前往下载。
代码运转环境：jupyternotebook+python3

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。