交通信号灯的检测是复杂场景下交通灯识别的重点。采用了色彩分割与关联滤波方案进行交通灯的检测。首先，建立交通信号灯的高斯模型，利用高斯向量与多色彩空间结合的方法进行图像分割。然后，采用基于区域增长与相似性判定的关联滤波，对色彩分割后的图像进行处理。最后，使用基于canny算子的边缘提取算法获取方向指示灯轮廓特征，并使用基于改进hu不变矩和马氏距离对方向指示信号灯进行分类。-The detection of traffic lights is the focus of traffic lights

用STM32F4芯片自带的DCMI摄像头接口驱动不带FIFO的OV7725摄像头，实现60HZ刷新率。imgprcs.c文件中包含大量的适用于嵌入式设备的高速图像处理算法，包括边缘提取、区域分割、颜色识别等等，全部使用自适应算法，适合不同光照和环境条件(With STM32F4 chip comes with DCMI camera interface driver without FIFO OV7725 camera, to achieve 60HZ refresh rate. The img

人脸检测与跟踪是一个重要而活跃的研究领域，它在视频监控、生物特征识别、视频编码等领域有着广泛的应用前景。该项目的目标是在FPGA板上实现实时系统来检测和跟踪人脸。人脸检测算法包括肤色分割和图像滤波。通过计算被检测区域的质心来确定人脸的位置。该算法的软件版本独立实现，并在matlab的静止图像上进行测试。虽然从MATLAB到Verilog的转换没有预期的那样顺利，实验结果证明了实时系统的准确性和有效性，甚至在不同的光线、面部姿态和肤色的条件下也是如此。所有硬件实现的计算都是以最小的计算量实时完成的

本系统有STM32F103RCT6单片机核心板、2.8寸TFT液晶屏显示、摄像头图像采集OV7670、RC-522 RFID模块蜂鸣器、LED电路组成。 1、stm32单片机通过摄像头采集图像，并实时驱动TFT液晶屏显示相应图像。 2、stm32单片机通过模式识别、匹配货的车牌的识别结果，并在屏幕上进行显示。 3、识别主要过程包括图像采集、二值化分析、识别车牌区域、字符分割、字符匹配五个过程。 4、RFID刷卡识别车辆或行人，LED和蜂鸣器指示。控制相对应的LED灯。 5、车牌锁定后与