基于opencv与机器学习的摄像头实时识别数字，包括完整代码、数据集和训练好的模型。识别准确率高达95%！！代码注释详细，方便理解！代码可以直接运行使用，没有门槛。

基于 OpenCV + Python 的人脸识别上课签到系统，实现的功能： 1. 班级同学人脸图像的采集，得到人脸数据库 2. 人脸识别模型的训练 3. 刷脸识别签到，查看签到结果 4. 编写简单的用户界面

源码亲测可用，可做计算机毕业设计、课程设计等参考。 【项目技术】 python+Django+mysql+B/S 【实现功能】 管理员用户： （1）个人信息管理：管理员用户可以通过此功能对自己的密码进行维护。 （2）用户信息管理：管理员用户通过此功能可以维护系统内注册用户的信息，比如可以对用户的姓名、电话或联系方式等信息进行管理。 （3）图片列表管理模块：管理员用户可以对系统内的已经进行过全景拼接的图片进行信息的维护和管理，比如可以通过序号查看某张图片的详细信息。 普通用户： （1）网站首页浏览：用户登录网站之后可以在首页中查看系统内的所有功能，网站首页使用简介大方的设计风格，可以给用户很好的使用体验。 （2）个人信息查看：用户可以查看网站内自己的个人信息，包括自己的ID、姓名、联系方式、权限、创建时间及最后修改时间等。 （3）图片拼接模块：在已经注册且成功登录的情况下，用户可以进行在线图片拼接，进行图片拼接时需要先上传图片，上传完正确的路径的文件之后系统会通过OpenCV技术进行拼接。

(基于python的毕业设计)基于OpenCV全景图像拼接系统(源码+说明+演示视频)，本科毕业设计高分项目。 【项目技术】 python+Django+mysql+B/S 【实现功能】 管理员用户： （1）个人信息管理：管理员用户可以通过此功能对自己的密码进行维护。 （2）用户信息管理：管理员用户通过此功能可以维护系统内注册用户的信息，比如可以对用户的姓名、电话或联系方式等信息进行管理。 （3）图片列表管理模块：管理员用户可以对系统内的已经进行过全景拼接的图片进行信息的维护和管理，比如可以通过序号查看某张图片的详细信息。 普通用户： （1）网站首页浏览：用户登录网站之后可以在首页中查看系统内的所有功能，网站首页使用简介大方的设计风格，可以给用户很好的使用体验。 （2）个人信息查看：用户可以查看网站内自己的个人信息，包括自己的ID、姓名、联系方式、权限、创建时间及最后修改时间等。 （3）图片拼接模块：在已经注册且成功登录的情况下，用户可以进行在线图片拼接，进行图片拼接时需要先上传图片，上传完正确的路径的文件之后系统会通过OpenCV技术进行拼接。

大学毕业设计 使用python基于opencv开发车牌识别系统，可以实现后台传输的图片识别 使用了两个相同结构的卷积神经网络 车牌识别系统可以分为两个部分， 第一个部分是车牌定位过滤部分； 第二个部分是字符识别部分； 在这两部分中我都是使用CNN卷积神经网络训练之后进行识别内容。 车牌定位部分使用的技术主要为图像预处理，车牌轮廓提取还有车牌的定位； 字符识别部分使用的技术主要为字符的分割，然后完成字符识别，输出车牌信息。 输入层：36x128 第一层卷积：卷积核大小：3x3，通道数：3，卷积核个数：32，激活函数使用Relu，四个维度的滑动步长为1，填充算法的类型：SAME。 第一层池化：使用池化窗口大小为2x2的最大池化，由于不想在batch（批量）同channels（通道）做池化，因此设置为1. 第二层卷积：卷积核大下：3x3，通道数为32，卷积核个数：64，激活函数使用Rule，四个维度的滑动步长为1，填充算法的类型：SAME。 第二层池化：同样使用池化窗口大小为2x2的最大池化，由于不想在batch（批量）同channels（通道）做池化，因此设置为1. 第三层卷积：卷积核大

提取精度目前没有验证，提取到算法是否可靠需要验证 根据《机器视觉算法与应用》实现的Demo

lp__Python学习笔记之人脸识别

OpenCV 目前有 Barcode 定位和解码的功能, 但是并不能解码 Code128 类型的条码. 资源中包含了解码与生成 Code128 类型条码的功能, VS2015 x64 项目. 具体可参考 https://blog.csdn.net/yx123919804/article/details/131610475

此代码为论文【M.-y. Chen and A. Hauptmann, "Mosift: Recognizing human actions in surveillance videos," 2009.】基于OPENCV 2.4.9的具体实现。

本项目使用OpenCV和Python语言，实现了一个实时视频流车牌识别系统。该系统可以从摄像头中获取视频流，并自动识别车辆的车牌号码。以下是该项目的详细描述： 步骤1：视频流获取 首先，我们需要获取视频流并将其传递给系统。我们可以使用OpenCV库中的VideoCapture功能，该功能可从摄像头、文件或网络中读取视频流。在本项目中，我们将使用电脑摄像头获取实时视频流。 步骤2：车牌识别 为了识别车牌号码，我们需要先检测车辆的位置和大小。在本项目中，我们将使用Haar级联分类器来检测车辆。 在检测到车辆后，我们可以使用车牌识别算法对车牌进行识别。在本项目中，我们将使用基于深度学习的车牌识别算法，例如卷积神经网络（CNN）或循环神经网络（RNN）。识别结果将被绘制在车辆矩形框上。 步骤3：结果输出 最后，我们可以将识别结果输出到控制台或保存到文件中。在本项目中，我们将在车牌上绘制识别结果，并将视频流显示在屏幕上。 以上是本项目的详细描述。该系统可以帮助警察、停车场管理等监控场合快速识别车辆的车牌号码。