搜索资源列表
FaceDetection
- 一个典型的人脸识别系统主要包括训练过程和识别过程。训练过程主要完成将已知人脸进行定位、特征提取与选择、以及分类器的设计；识别过程则完成将未知图片进行处理，并最终识别出身份的分类和决策
adaboost人脸检测训练算法
- adaboost人脸检测训练算法的技术原理与实施细节
ResearchOnKeyTechnologiesOfRobustFaceTrackingSyste
- 鲁棒人脸跟踪系统学位论文；提出了一种两阶段的光照均衡的方法来消除单幅图像中的各种阴影包括模糊阴影，投射阴影等 根据快速的Adaboost 训练框架，本文提出了一个实时的鲁棒人脸检测算法 提出了一种基于在线实值boosting 的方法来处理人脸在跟踪过程中发生的外貌变化；实现了一个基于以上模块的完全自动化的人脸跟踪器-Robust Face Tracking System dissertation proposes a two-stage light-balanced approach to t
MITEx-face-database
- MITE人脸库，包括人脸和非人脸样本，作为人脸检测的训练样本-MITE face database,training samples,face detection
fisher
- 人脸识别，分类SVM，对图片进行训练，标签，识别。-Face recognition, classification SVM
AdaBoostFace
- 基于adaboost的正面人脸检测 通过对haar特征的提取来进行训练与识别-face detection by adaboost
Face-Detector-Training
- 由一个3D变形人脸模型取自动生成适应的训练样本。由统计视角，tailored训练数据保证了所有的数据变化且由任意的人脸属性丰富训练样本，例如，年龄或体重。更进一步，它可能自动适应到环境约束，例如，来自于监控摄像机的照明或视角约束。我们使用裁剪的（tailor）图象训练一个新的Viola Jones的adaboost 目标检测框架的多核实现。这个新的实现不仅快速的，而且多特征通道的使用成为可能，例如，在训练期间的颜色特征。在我们实验中，我们训练7个依赖视角的人脸检测子并在Face Detectio