搜索资源列表
haarcascades
- 基于OpenCV harr级联分类器的人脸及眼睛、鼻子、嘴巴(Opencv_haar classifier)
main
- 人脸检测： 第一部分，使用Harr-like特征表示人脸，使用“ 积分图”实现特征数值的快速计算; 第二部分， 使用Adaboost算法挑选出一些最能代表人脸的矩形特征( 弱分类器)，按照加权投票的方式将弱分类器构造为一个强分类器; 第三部分， 将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，级联结构能有效地提高分类器的检测速度。(Face detection: In the first part, the Harr-like feature is used t
supporzsDbmo
- 基于OpenCV的简单人脸检测Demo程序,使用OpenCV自带级联分类器,只支持检测,不支持识别(Simple Demo program, face detection based on OpenCV use OpenCV bring cascade classifier, only supports the detection, identification is not supported)
程序
- 以稀疏子空间聚类以及低秩子空间聚类等基本谱聚类算法为基础，通过 运用核映射算法，融合与数据本身结构相关的局部切线空间函数以及主成分分析 算法建立了可以应对独立子空间聚类、非独立子空间聚类、非线性聚类、混合多 流体聚类问题以及多种含有大数据量的实际问题，包括处理运动分割、人脸识别、 工件识别等情况中的多种类型数据分类的聚类算法，并且引入 Map-Reduce 并行处 理方法优化了算法的计算效率(Based on the basic spectral clustering algorith
face_antispoofing-master
- 采用surf特征点， svm线性分类器 实现的人脸活体检测源码(face_antispoofing: this code takes surf feature to detect spoofing face in recognition.)
11_ObjectDetection
- 人脸识别，通过提取人脸特征构建分类器来实现对人脸特征的识别(Face recognition is used to identify facial features by extracting facial features)
FaceTools-master
- 本次作业使用的是汤晓鸥团队的DeepID第一代的网络，通过Caffe训练模型参数，经过LFW二分类得到人脸识别准确率。(This job is used by the Tang Xiaoou team's DeepID first generation network. Through the Caffe training model parameters, the accuracy of face recognition is obtained through the LFW two clas
PCA_classifier_version1b
- 许多图像问题需要某种物体的检测，其中图像之间的物体的外观有自然的变化。 如人脸识别，病变检测，神经通道分割。 这些图像问题可以通过手动注释图像对象来解决，以训练识别正常物体外观的模型。 这可以通过基于PCA的最大似然分类器来完成。(PCA algorithm suitable for detection / recognition of 2D image "objects")
OpenCV_By_Example(中文版)
- 该资料中包含了《OpenCV By Example》中文版以及例程程序，该书的目录如下所示： 第1章 OpenCV的探险之旅; 第2章 OpenCV基础知识介绍; 第3章 图形用户界面和基本滤波; 第4章 深入研究直方图和滤波器; 第5章 自动光学检测、目标分割和检测; 第6章 学习目标分类; 第7章 识别人脸部分并覆盖面具; 第8章 视频监控、背景建模和形态学操作; 第9章 学习对象跟踪; 第10章 文本识别中的分割算法; 第11章 使用Tessera
cvHaarDetectObjects
- 基于openCV的人脸检测Demo，级联分类器在openCV中找（opencv\sources\data\haarcascades）。(Face detection Demo based on openCV)
detectMultiScale
- 基于openCV的人脸检测实现，分类器在源码中（opencv\sources\data\haarcascades）(Face detection Demo based on openCV)
matlab数字图像处理与识别
- 将理论知识、科学研究和工程实践有机结合起来，内容涉及数字图像处理和识别技术的方方面面，包括图像的点运算、几何变换、空域和频域滤波、小波变换、图像复原、形态学处理、图像分割以及图像特征提取的相关内容；同时对于机器视觉进行了前导性的探究，重点介绍了两种目前在工程技术领域非常流行的分类技术——人工神经网络（ANN）和支持向量机（SVM），并在人脸识别这样的热点问题中结束《精通Matlab数字图像处理与识别》。(Combining theoretical knowledge, scientific re
482654
- 基于OpenCV的简单人脸检测Demo程序,使用OpenCV自带级联分类器,只支持检测,不支持识别()
faces94
- 最新设计的人脸库，包含不同的光照表情，一共152个分类，每个分类20个样本(The newly designed face library contains different illumination expressions. There are 152 classifications, 20 samples for each category.)
Facial detector
- 人脸识别系统 通过matlab自带分类器和降噪功能对图片人脸的五官和人脸进行勾勒(The face recognition system is based on Matlab's own classifier and noise reduction function to outline facial features and faces.)
表情识别数据集
- 整个数据库一共有213张图像，10个人，全部都是女性，每个人做出7种表情，这7种表情分别是： sad, happy, angry, disgust,surprise, fear, neutral. 每个人为一组，每一组都含有7种表情，每种表情大概有3,4张样图。这样每组大概20张样图，目前在这个数据库上的识别率已经很高了，不管是person independent 或者是person dependent。识别率都很高。这个数据库可以用来熟悉人脸表情识别的一些基础知识，包括特征提取，分类等。
matlab表情识别
- Matlab表情识别，特征脸[1 ]作为面部表情分类的方法。首先，利用训练图像创建低维人脸空间（pca）。这是通过训练图像集主成分分析（PCA）及图片主成分分析（即具有较大特征值的特征向量）获得的。 结果，所有的测试图像以所选择的主成分表示，计算投影图像与所有投影列车图像的欧几里得距离，选择最小值以找出与试验图像最相似的训练图像。(The feature face [1] is used as a facial expression classification method. Firstly,