虹膜识别软件_基于计算机视觉算法

在matlab中，设置当前的目录为工作目录，在命令行中输入fpextractdemo，即可运行程序。系统设计好了，图片可以换。

对当今静态手势识别技术中的各种方法进行了详细的分析，并在此基础上，设计并实现了一套可以进行实时识别的静态手势识别系统。本系统共分为四个模块：手势图像捕捉、图像预处理、特征提取以及手势的分类识别。系统在运行的过程中首先由 USB 摄像头捕获手势图像，再经过图像预处理得到手势的二值图像以及轮廓图像，针对这两幅图像对手势进行特征提取，最后采用基于欧氏距离的模板匹配法进行识别。在系统的图像预处理以及特征提取两个模块中，加入了 OpenCV（微软开源视觉库）函数库，在运行的效率以及速度上都达到了良好的效果。在实际的系统测试中对本文定义的十个手势建立了模板库，并且在固定手势采集距离以及非固定手势采集距离两种情况下对 681 个测试样本进行了识别，平均识别率为 92.80%，达到了很好的识别效果。同时，符合高识别率以及实时处理的设计准则。

基于opencv实现的asm算法的人脸检测，包括器官（眼睛、鼻子、嘴巴）和表情的识别，检测效果较好，难度适中，适合初学者学习使用。

在对视频文件或者多序列图片批量进行边缘检测时，可利用该方法。该方法主要借助于VC++和OpenCV环境进行实现。算法主要包括两方面：一是对视频文件帧的获取，二是通过Candy算法对获取的帧进行边缘提取。（注：avi文件过大，运行代码时用户可自行添加）

摄像机标定程序，opencv的摄像机标定，适应性广，可以用于广角摄像机的标定，标定时标定板的选择对于最终的标定结果影响较大，标定板角度应该与摄像机镜头有一定角度，方能保证标定结果的准确性。

cuda上矩阵相乘的优化，对图像处理在CUDA上进行并行运算有很大的作用，帮助理解CUDA寄存器溢出的原因。

光学字符识别 (OCR) 的目标是进行分类 （通常载于一种数字图像） 的光学模式对应字母数字或其他字符。OCR 的过程涉及几个步骤包括分割、 特征提取和分类。每个步骤是一个字段本身，并简要地这里描述的 Matlab 实现 OCR 的上下文中。

此代码包括用于从输入图像中检测面部区域，以及定位眼睛，鼻子和嘴巴的部分的方法。然后各部分都标有导致输出图像上的矩形显示。这是为那些谁想要检测脸不同部分，使用输入正面图像进行特征提取特别有用。

里面有椭圆拟合的代码和利用最小二乘法不断迭代最终检测出椭圆的方法，使用性好，精度高。首先随机找出三个边缘点拟合初步椭圆，r然后寻找第四个边缘点来验证初步拟合椭圆的效果，如果可以，然后利用直接最小二乘法设定距离阈值，收集边缘点重新拟合椭圆，不断迭代，最终能检测出准确的椭圆，检测速度快，有抗噪声的能力。

高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器。高斯平滑滤波器对于抑制服从正态分布   的噪声非常有效。一维零均值高斯函数为： g(x)=exp( -x^2/(2 sigma^2)) (u=0)其中，高斯分布参数Sigma决定了高斯函数的宽度。 对于图像处理来说，常用二维零均值离散高斯函数作平滑滤波器。