带板检测的车辆速度估算 该项目的主要目标是使用深度学习和机器学习算法来识别超速车辆。 从视频中获取一系列图像后，使用Haar Cascade分类器检测卡车。 使用大量正负图像训练分类器模型，以制作XML文件。 接下来是跟踪车辆并借助其各自的位置，ppm（每米像素）和fps（每秒帧）来估计车辆的速度。 现在，已识别卡车的裁剪图像将被发送以进行车牌检测。 CCA（连接组件分析）有助于进行车牌检测和字符分割。 使用字符图像（20X20）对SVC模型进行训练，并且为了提高准确性，还完成了4次交叉折叠验证（机器学习）。 该模型有助于识别分段字符。 识别后，将卡车的计算出的速度及其车牌号一起输入到excel表中。 还为这些卡车分配了一些ID，以生成系统化的数据库。 要运行Speed_Detection _＆_ License_Plate_Detection.py，请按照以下步骤操作： 从此站点下载

4000张人脸样本图片，对于人脸分类器的训练很有帮助

本帖最后由 markcheng 于 2016-9-6 10:05 编辑 开关电源——正负12正负5正负3V.rar (33.03 KB, 下载次数: 27 )

该评论数据，包含了六个领域（书籍、酒店、计算机、牛奶、手机、热水器）的评论数据，源自于各个电商平台.

正负12V电压电路，具体包括原理图和pcb，已经打样测试没有问题

对称分量法(零序-正序-负序)的理解与计算 对称分量法(零序-正序-负序)的理解与计算

16位ADC:ADS8330数据采集原理图，已经调试通过，配24路继电器信号隔离，正负15V宽电压输入

提出一种正负高频脉冲电压注入的永磁同步电机无位置传感器控制方法；研究基于旋转坐标系下电流响应的单锁相环角位置信息提取方式，简化算法结构；提出在不中断的高频注入电压信号上叠加直流电压偏置的方法，通过电流振荡幅值实现磁极方向准确判断。400W 永磁电机系统上的实验结果验证了所提方法的有效性。

本程序用VC++6.0平台运行通过，对PI求值运算算到了350位，并可进一步运算，但效率一般

VS 平台C#实现 1. 实验内容 用基本增量算法和Bresenham算法画直线 2．实验目的 1）理解在显示器上画图与在纸上画图的本质区别； 2）掌握直线的光栅扫描转换过程； 3）掌握不同算法绘制直线的思路和优缺点。 3. 实验要求 1）将像素网格表现出来，建立网格坐标系； 2）用橡皮筋的形式输入参数； 3）鼠标移动时，显示鼠标当前位置； 4）显示判别式的计算过程和下一点的选择策略； 5）记录生成点的坐标，建议用表的形式； 6）图形生成过程可以重复进行。 1. 实验内容 用正负法和Bresenham算法画圆弧 2．实验目的 1）掌握圆及圆弧的光栅扫描转换过程； 2）掌握不同算法绘制圆弧的技巧和优缺点。 3. 实验要求 1）将像素网格表现出来，建立网格坐标系； 2）用橡皮筋的形式输入参数； 3）鼠标移动时，显示鼠标当前位置； 4）显示判别式的计算过程和下一点的选择策略； 5）记录生成点的坐标，建议用表的形式； 6）图形生成过程可以重复进行。 1. 实验内容 用Cohen-SutherLand算法和liang _barsky算法进行线段裁剪 2．实验目的 1）理解裁剪的相关概念 2）掌握直线段的一般裁剪过程； 3）理解并掌握Cohen-SutherLand 算法的编码思想； 4）理解并掌握Liang_Barsky算法的参数化裁剪思想； 3. 实验要求 1）将像素网格表现出来，建立网格坐标系； 2）用橡皮筋的形式输入剪裁线段和裁剪窗口； 3）鼠标移动时，显示鼠标当前位置； 4）对于线段裁剪，线段被窗口的四条边裁剪的过程要显示出来； 6）裁剪过程可以重复进行。 1. 实验内容 用Sutherland-Hodgman算法进行多边形裁剪 2．实验目的 1）理解多边形裁剪与直线段裁剪的区别； 2）掌握多边形的裁剪过程； 3）理解并掌握Sutherland-Hodgman算法的裁剪思想。 3. 实验要求 1）将像素网格表现出来，建立网格坐标系； 2）用橡皮筋的形式输入剪裁多边形和裁剪窗口； 3）鼠标移动时，显示鼠标当前位置； 4）多边形被窗口的四条边裁剪的过程以及多边形顶点增删的过程要显示出来； 5）裁剪过程可以重复进行。