设计了一种基于深度学习行人检测算法的交通安全智能警示系统。该系统通过计算图像的灰度和模糊度来进行红外切换，再通过相应的YOLOv3算法检测行人目标，并对行人目标候选框提取局部二值模式特征（LBP）和多层感知器（MLP）分类。处理器在检测到行人后控制光电模块示警，视觉上警示行驶车辆减速慢行；同时控制扬声器播报语音，听觉上提醒行人小心通过；处理器会控制FM无线发射器，使在一定距离内且相同频道的车载收音机播放“前方有行人通过”的提示音，提醒过路司机。经过实际测试，此系统有效起到了对行人和过路司机的提示

医学图像识别是计算机视觉和计算生物学两者中的一项重要任务。在医学图像分类领域，基于局部二进制模式（LBP）描述符的图像已广受欢迎。但是，大多数基于LBP的现有方法都将二进制模式编码在固定的邻域半径内，而忽略了局部模式之间的空间关系。忽略LBP中的空间关系会在捕获复杂样本的判别特征（例如通过显微镜获得的医学图像）的过程中导致较差的性能。为解决此问题，本文提出了一种新的方法来改善局部通过为每个像素分配自适应邻域半径来生成二进制模式。 基于这些自适应局部二值模式，我们进一步提出了以邻域直方图策略对图像

近年来，面部识别技术已经成为模式识别领域中的热门话题。 人脸是人类最重要的生物特征之一，其中包含许多重要信息，例如身份，性别，年龄，表情，种族等。 年龄是身份歧视的重要参考，年龄估计可以潜在地应用于人机交互，计算机视觉和商业智能。 本文解决了准确估计人类年龄的问题。 年龄估计系统通常由年龄特征提取和特征分类组成。 在特征提取部分，Gabor小波和局部二值模式（LBP）等众所周知的纹理描述符已用于特征提取。 在我们的方法中，我们使用卷积神经网络（CNN）提取面部特征。 通过建立基于丰富训练数据的多

恢复 由LBP为LA Hacks 2021开发 亚历山大·拉米雷斯（Alexander Ramirez） 大卫·加尔萨（David Garza） 路易斯·罗德里格斯（Luis Rodriguez） 如何启动后端 cd backend pip install flask pip install -U flask-cors pip install boto3 pip install bs4 pip install requests export FLASK_APP=server.py exp