使用VS2013+OPENCV2.4.10离线训练及识别手势图片获得识别率
2025/2/25 1:11:28
17.92MB
1
提取正负样本的HOG特征，目标可以是行人、车辆等等，提取的hog特征输入SVM中进行训练生成检测器，可以实现目标检测。
注：检测窗口根据目标大小进行设定。
注：检测窗口根据目标大小进行设定。
2025/1/18 19:13:07
205KB
1
提取有效的特征一直是笔迹鉴别的关键问题，针对传统Gabor滤波器特征提取方法存在的不足，充分利用Gabor滤波系数间的相关关系，提出一种融合全局特征和局部特征的特征提取方法。
该方法先通过字符笔画的方向梯度直方图（HOG）来优化Gabor滤波器的角度参数，再利用高斯马尔科夫随机场（GMRF）模型对Gabor滤波图像中的不同局部结构信息进行描述，最终得到笔迹图像的整体特征。
以楷书四大家的真迹样本和收集的英文手稿作为实验数据，采用最小加权欧式距离分类器对笔迹样本进行分类，通过五重交叉验证法分别得到97.6%和88.3%的正确分类率，表明该方法提取的特征具有较强的笔迹表征能力，是一种有效的笔迹特征提取方法。
该方法先通过字符笔画的方向梯度直方图（HOG）来优化Gabor滤波器的角度参数，再利用高斯马尔科夫随机场（GMRF）模型对Gabor滤波图像中的不同局部结构信息进行描述，最终得到笔迹图像的整体特征。
以楷书四大家的真迹样本和收集的英文手稿作为实验数据，采用最小加权欧式距离分类器对笔迹样本进行分类，通过五重交叉验证法分别得到97.6%和88.3%的正确分类率，表明该方法提取的特征具有较强的笔迹表征能力，是一种有效的笔迹特征提取方法。
2025/1/3 11:20:23
932KB
1
汉字模板为200+，详见ziku.mat主文件：main.m有用到matlab2014a的函数，注意
2024/10/26 13:36:41
10.93MB
1
基于SVM+HOG的人脸检测matlab程序。
内含libsvm-3.22SVM库。
资源中tgrs2013_epfifr.rar可不需要解压，可以无视。
该程序自动读取人脸库文件夹下不同人物的照片，可实现遍历文件夹及子文件夹下包含的图片，进而提取特征利用SVM训练分类识别。
这可以作为一个baseline，基础框架，在这个基础上可以提取更多特征进而提高识别精度。
由于人脸库是我们自己构造的，涉及了个人隐私，不能共享，所以本程序中人脸库文件下图像需要自己提供哦，然后自己构造相应的训练样本便可以运行了。
内含libsvm-3.22SVM库。
资源中tgrs2013_epfifr.rar可不需要解压，可以无视。
该程序自动读取人脸库文件夹下不同人物的照片，可实现遍历文件夹及子文件夹下包含的图片，进而提取特征利用SVM训练分类识别。
这可以作为一个baseline，基础框架，在这个基础上可以提取更多特征进而提高识别精度。
由于人脸库是我们自己构造的，涉及了个人隐私，不能共享，所以本程序中人脸库文件下图像需要自己提供哦，然后自己构造相应的训练样本便可以运行了。
7.02MB
1
行人检测分类器的训练，训练完可测试效果如何，注意样本的路径问题行人检测分类器的训练，训练完可测试效果如何，注意样本的路径问题
2024/9/15 3:37:16
37.85MB
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