vue3项目(H5端+微信公众号网页) 纯前端免费人脸识别功能，包括人脸核身、活体检测、人脸对比等示例代码，调用手机摄像头进行识别并处理(以及浏览器摄像头权限问题处理)，以及张嘴摇头等指引动作，提供示例源码兼容安卓与苹果IOS手机，功能可适用于大部分人脸识别项目需求！
支持Vue3和Vue2，新手拷贝代码运行！
在我国城市与乡村的大街小巷，电动自行车凭借轻便、快捷、经济的优势，成为大众出行的热门选择。然而，与之相伴的是电动自行车引发的交通事故数量居高不下，给社会和家庭蒙上了沉重的阴影。其中，单人电动车违规载人现象尤为突出，由于座位较短，载人骑行极大地增加了安全隐患，成为交通管理的一大难题。 传统监管：力不从心的困境 长期以来，电动自行车交通监管主要依赖交警现场执法。但这种方式存在明显局限性。交警的精力与时间有限，面对广阔的交通区域和庞大的电动自行车数量，难以做到全面覆盖与实时监管。而且，交警工作受时长和天气等因素制约，无法实现全天候、及时有效的管理。在早晚高峰时段，车流量大、路况复杂，违规行为频发，交警往往应接不暇，难以对每一起违规行为及时纠正，导致事故隐患长期存在。例如，在一些学校周边，放学时段电动自行车违规载人现象屡见不鲜，交警虽尽力管理，但仍有不少违规者趁乱逃脱监管，给学生的出行安全带来极大威胁。 科技赋能：无人机与AI的崛起 随着智能化技术的飞速发展，AI技术正广泛应用于传统行业，为提升效率和安全性注入新动力。在电动自行车交通监管领域，无人机技术的出现为解决传统监管难题带来
导读： 面向无人机红外图像中目标尺度小、对比度低与边界模糊等问题，本文提出了一种基于YOLOv11n模型的多尺度注意力机制优化方法。首先，在引入小目标检测层的基础上，融合多分支与双向金字塔思想构建双向多分支辅助特征金字塔网络，通过可学习权重自适应融合各层特征，增强微小目标表征。其次，在检测头侧采用动态注意力检测头，从尺度、空间与通道三方面进行协同建模，提升关键区域聚焦与特征利用效率。最后，提出NWD-Inner-MPDIoU组合损失函数，协同提升低重叠、边界不清条件下的定位稳定性。在HIT-UAV红外小目标数据集上进行系统实验评估，结果表明：所提方法mAP50达92.8%，相比基线模型提升2.2%，且召回率与准确率分别提高1.6%和0.6%。同时，模型仅小幅增加复杂度，整体仍保持轻量化与可部署性。综上，本文方法在保证效率的同时有效提升了无人机红外目标的检测质量，为后续扩展研究提供了可靠的技术基础。 作者信息： 康泽韬, 董智红*, 王孜心：北京印刷学院信息工程学院，北京 论文详情 YOLOv11n的网络架构如图1所示，由骨干网络、颈部网络、检测头三部分组成。 针对红
fpga 单精度 verilog 浮点数 pid 根号 加 减 乘 除 转 整数转浮点数 小数 代码 资料包清单： 1.e01_fpu_single_precision_float：单精度浮点数计算（加减乘除根号）单元altera工程代码 2.e02_float_to_int ：浮点数转整数altera工程代码 3.e03_int_to_float ：整数转浮点数altera工程代码 4.e04_pid ：PID计算altera工程代码 5.fpu.pdf ：功能应用的说明文件 6.pid_mat.m ：MATLAB文件，计算PID公式，
FPGA实现CIC抽取滤波器 * 一、什么是CIC滤波器 * （一）CIC滤波器原理和结构 * （二）最大位宽计算 * 二、CIC抽取滤波器FPGA实现 * （一）Verilog代码 * （二）仿真分析 一、什么是CIC滤波器 （一）CIC滤波器原理和结构 CIC（级联积分梳状）滤波器，它是一种高效的多速率信号处理滤波器，是一种无乘法器的线性相位FIR滤波器。常用于数字下变频（DDC）和数字上变频（DUC）中。CIC滤波器的主要优点是不需要乘法器，结构简单，仅由加法器、减法器和寄存器组成。CIC滤波器是FIR滤波器的一种，可以只使用积分器和梳状器来实现，没有了FIR的乘法操作，实现非常的简单并且大大节约了资源。 CIC滤波器有三种工作模式：抽取滤波器（最常用）、插值滤波器和单纯滤波器。 * 抽取滤波器： 数据流由高速输入变为低速输出，主要应用于数字下变频以及降低采样率的系统中。其结构如下图所示： * 单纯滤波器： 数据流速率不变，积分器和梳状器都工作在同一个采样率下，主要应用于移动平均滤波。 * 插值滤波器： 数据流由低速输入变