一种基于分类器投票的车牌定位方法

为解决类似车牌和失真车牌的定位难题,提出一种基于分类器投票的车牌定位方法。方法从两个方面提升车牌定位精度:首先,针对类似车牌和失真车牌的图像特点,提出两种新的车牌图像描述子,针对性地提升两类车牌的定位效果;其次,使用多种描述子分别训练SVM分类器,采用分类器投票融合的方式决定最终分类结果,进一步提升定位准确度。实验结果表明:(1)相比传统的小波和LBP车牌图像描述子,所提算法有效地提高了失真车牌的定位精度,降低了类似车牌的识别错误率。(2)构建的投票融合分类器方法使车牌图像的分类错误率从单个描述子最优的3.05%下降到了0.8%。     

基于人工智能的高校实验室人脸识别门禁系统的设计与实现

人工智能（Artificial Intelligence）作为计算机科学的一个分支,近年来在教育行业中得到应用与发展。高等教育是国家培养人才的主要场所,也是人工智能最好的应用场景之一。其中图像处理技术日渐成熟,人脸识别门禁也逐步走进了人们的生活。将人工智能人脸识别与实验室门禁相结合,从高校学生数据库中获取学生人脸信息,批量上传至人脸库中,将该门禁系统与教务系统结合应用,使学生实现实验预约,刷脸进门,并将出勤信息录入教务系统,本系统的应用促进了教育信息化的发展,实现高校实验室的智能化管理。