搜索资源列表
charrec
- 完整的数字字符识别系统，VC开发，本人原创，识别率可以达到80％-complete digital character recognition system, VC, I originality, the recognition rate can reach 80%
multimediaLED
- LED字符分割和识别， 在此项目中我们主要完成了对拍摄到的6位LED数字进行分割和识别的课题。识别的数字范围在0~9。由于拍摄环境比较复杂，需要解决复杂背景下对LED字符的分割问题。我们利用了图像的色彩信息，先进行基于色彩的分割，然后对分割结果进行了固定阈值的二值化，并利用投影修正完成了对LED数码管图像的分割，并使用基于模板匹配的算法进行了识别，在匹配过程中对图像进行了尺寸归一化处理。最终得到了较好的识别效果，对10幅样图的识别率达到100％-LED character segmentat
DigitRec
- 数字识别系统源代码: 第一步：训练网络。使用训练样本进行训练 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90％。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。 具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“
CubicPlateSDK
- 软件名称： 车牌识别模块开发包 CubicPlate SDK 试用版 最新版本： 1.2 文件大小： 2.05M 软件性质： 图像处理 使用平台： Win2K/XP 发布公司： CubicImage Software Co.,Ltd. 上海名图软件有限公司 下载网址： http://www.cubicimage.com 软件简介 CubicPlate 是当前最高速的车牌识别核心模块，识别一帧图像仅3毫秒。 由上海名图软件有限公司CubicImage Softwar
char_rec
- 文字识别系统，包括文字图象的预处理过程，用visual c++开发，识别率比较高-Character Recognition system, including language and graphic pretreatment process, with visual c development, a relatively high recognition rate
digital-recognise
- 数字识别代码 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。 首先，打开图像（256色） 再次，进行归一化处理。点击“一次性处理” 最后，点击“R”或者使用菜单找到相应项来进行识别识别的结果显示在屏幕上，同时也输出到文件result.txt中 该系统的识别率一般为90％ 另外，也可以单独对打开的图片一步一步进行图像预处理工作。但要注意，每一步工作只能执行一遍，而且要按顺序执行。步骤为：“256色位图
dzcpa
- 用在提高语音识别率的特征提取算法的程序，DZCPA是差分过领率和峰值检测的意思-spent on improving speech recognition rate of feature extraction algorithm procedures, DZCPA difference is the leading off and peak detection means
WordRecognizeVc++Res
- 第一次使用识别程序时，可以直接运行Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。当然也可以自行用训练样本训练网络，不过要注意训练样本的选择，否则可能识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下训练样本数目尽量多。-first use of the identification procedures, they can run the Release directory of executable files, Then the c
TheRecognitionDactylogram
- 经典的c语言指纹识别程序，改进了算法，提高了识别率达到了98％以上-classical language c fingerprint identification procedures improve the algorithm, improving the recognition rate of over 98%
szsbxtydm
- 数字识别系统源代码.rar 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别） 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90％。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意
epca
- 这是一个epca的程序，在别处找到的，觉得还行，想和大家分享分享。识别率确实不错，我实在orcl人脸库上进行的，在其他的人脸库里还未来得及试验，相信也会很不错的。大家多多支持啊。-epca This is a procedure in finding elsewhere, I felt that trip, and would like to share with you to share. Recognition rate is not bad, I really orcl people on
python_face_recog
- 基于python+opencv 的 人脸识别，对一段视频进行读取，并检测出人脸，然后进行PCA 降维，最后用SVM进行人脸识别，识别率94%左右。(Based on python + opencv face recognition, a video was read, and face detection, and then PCA dimension reduction, and finally SVM face recognition, recognition rate of about 9
FaceRecognition
- 基于matlab平台的人脸识别 简单代码 识别率还行 大家可以看看(Based on the matlab platform face recognition simple code, the recognition rate is also ok you can see.)
Recognition
- 编写基于matlab，对手写字符识别可以达到90%的识别率。(Based on MATLAB, the recognition rate of handwritten character can reach 90%.)
26个字母识别 用matlab实现的
- 用matlab实现的26个字母识别。基于BP算法的字母识别其容错性和识别率相对较高，在有噪声的情况下训练其识别出错率也相应增加，许进一步改进。(26 letter recognition implemented with MATLAB.The letter recognition based on BP algorithm has a relatively high fault tolerance and recognition rate, and the error rate of recog
facerecognition
- JAVA开发的人脸识别,能通过摄像头识别人脸,识别率不错(JAVA developed face recognition, through the camera to identify the face, the recognition rate is good.)
人脸识别_Demo_SDK
- 1. 人脸检测的高正确率，误检，漏检很少，支持多脸（max=32）。 平面旋转高达 60 度，并带鼻，嘴定位，及眼镜判断等功能。 2. 支持双目(双摄像头)/多目的 3D 维度识别,增加了人脸的特征集,再次提高识别精度,并有效防止照片通过。 3. 人脸识别的高精度，向用户推荐的识别阀值不仅能适应光线环境的变化，具备满足实际应用的识别正确率。带 眼镜或头发挡住眉毛都行。（但黑粗边眼镜的识别率相对低些，即在较好的识别环境下，黑粗边眼镜仍是 OK 的，只要看得清眼球，就对识别率没有任何影响） 4. 在
VB图片识别
- 能识别图片文字 简单有效的算法 识别率比较高 可以试试看
基于PCA的人脸识别
- 使用PCA算法对人脸图像进行处理，使用adaboost算法训练分类器，对训练集中的20个人每人五张照片进行训练，对测试集中的同样多的照片进行识别，可以得到很高的识别率
knn
- 通过knn分类算法识别魔方的色块颜色，加入是否识别成功判断，成功识别率比阈值法识别更高。有完整的备注(Through the KNN classification algorithm to identify the color block of the cube, the success rate is higher than the threshold method. Code has complete comments)