前驱知识Opencv pytroch pyqt5 系统功能以使用者在人脸识别设备上的数据比对作为基础，以计算机为后台处理工具，通过单片机终端实施对宿舍门锁的物理控制。同时在用户端可以生成图形化界面便于人员面部信息的录入和修改，以及记录开门时刻。在前期计划中，会利用外部设备进行信息的采集，以及实施相应控制操作，但设计过程中发现缺乏硬件条件，因此硬件部分的设计更改为利用电脑摄像头采集数据并进行实时检测反馈，将检测结果发送到单片机，并用对应信号灯亮起代替相应控制信号输出。 系统组成 人员信息管理模块(更新与删除) 人脸检测与识别模块 UI交互模块 终端控制模块 模块设计     Read more

参考：https://blog.csdn.net/jancis/article/details/80824793https://blog.csdn.net/qq_45769063/article/details/108773998 概念先导特征匹配一幅图像中总存在着其独特的像素点，这些点我们可以认为就是这幅图像的特征，称为特征点。而CV中很重要的图像特征匹配就是以特征点为基础而进行的，一般来讲进行特征匹配的步骤如下： 图像预处理 创建特征检测器 获取特征点及特征描述符 创建特征匹配器 选取优良匹配点 绘制相应的匹配线 本文重点介绍检测算法SIFT和匹配算法单应性检测 尺度空间 高斯金字塔     Read more

主要模块OpenCV中的函数接口大体可以分为如下部分： - core：核心模块，主要包含了OpenCV中最基本的结构（矩阵，点线和形状等），以及相关的基础运算/操作。 - imgproc：图像处理模块，包含和图像相关的基础功能（滤波，梯度，改变大小等），以及一些衍生的高级功能（图像分割，直方图，形态分析和边缘/直线提取等）。 - highgui：提供了用户界面和文件读取的基本函数，比如图像显示窗口的生成和控制，图像/视频文件的IO等。 如果不考虑视频应用，以上三个就是最核心和常用的模块了。针对视频和一些特别的视觉应用，OpenCV也提供了强劲的支持： - video：用于视频分析的常用功能，比如光流法（Optical Flow）和目标跟踪等。 - calib3d：三维重建，立体视觉和相机标定等的相关功能。 - features2d：二维特征相关的功能，主要是一些不受专利保护的，商业友好的特征点检测和匹配等功能，比如ORB特征。     Read more