搜索资源列表
EAR
- 人耳识别技术是20世纪90年代末开始兴起的一种生物特征识别技术，与其它生物特征识别技术比较具有以下几个特点：（1）与人脸识别方法比较，耳识别方法不受面部表情、化妆品和胡须变化的影响，同时保留了面部识别图象采集方便的优点，与人脸相比，整个人耳的颜色更加一致、图像尺寸更小，数据处理量也更小。（2）与指纹识别方法比较，耳图象的获取是一种被动方式，即通过非接触方式获取耳图像，不存在通过接触传染疾病的机会，因此，其信息获取方式具有容易被人接受的优点。（3）与虹膜识别方法比较，首先，由于人脸和头发的存在，需
FaceRecV1.ZIP
- FaceRec 简单易懂的神经网络面部特征识别例子 [VB源码]
FaceIdentify
- 优秀的面部识别程序,用VB开发的-outstanding facial identification procedures, the use of the VB
facedetection
- 使用Gabor滤波器和神经网络的面部识别源代码-Using Gabor filters and neural network facial recognition source code
traingface
- 关于面部的图像资料,可以作为用于面部识别的训练集和识别样本-On the face of the image data can be used as training set for face recognition and identification of samples
face
- 面部识别源代码，适合的开发环境是MATLAB-Facial recognition source code, development environment is MATLAB
FaceSystemcode
- 人脸面部表情识别系统，主要是相关的算法跟主要的源码-Face Recognition System algorithm and code
Face-Recognition-From-Dynamic-Video
- 动态图像中的面部识别，基于matlab。可以通过特征识别找出ID-Dynamic image of facial recognition, based on matlab. You can find the feature recognition by ID
facial--expression
- 这个是面部表情自动识别的源代码。它是基于Viola和Jones的面部检测算法和Gabor面部特征点的提取，然后使用训练过的神经网络来识别人脸表情。-This is the automatic recognition of facial expression source code. It is Viola and Jones face detection algorithms and Gabor facial feature point extraction, and then use the
Adaboost_Std_full
- 基于AdaBoost的面部图像男女性别的识别过程。深入的对算法进行了解。-Based on AdaBoost sexes in facial image recognition process. An in-depth understanding of algorithm.
Desktop
- 利用tensorflow建立以个用于面部表情识别的模型(Using tensorflow to build a model for facial expression recognition)
Face_Demo-20170929
- 人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别(Face recognition is a biometric recognition technology based on human face feature information for personal identification. With the acquisition
faceTracking
- particle filter algrithem
demo
- 一个基于谷歌算法开源的人像识别，里面包含了API等(An open source image recognition)
FaceWaveANNDemo
- 基于小波变换和PCA面部识别，基于小波和神经网络的简单有效的人脸识别源代码。(Wavelet transform and PCA face recognition,Simple and Effective Source Code for Face Recognition Based on Wavelet and Neural Networks.)