搜索资源列表
人脸识别文章
- IEEE数据库最新文章 OFNDA
人脸库
- 非常好的人脸数据库，可用于数据集的训练和测试
人脸识别（基于特征脸）
- 本文是在人脸数据库的基础上做人脸特征提取和识别研究，主要内容如下： （1） 对人脸识别研究的内容、相关技术、主要实现方法及发展历程作了详细介绍。 （2） 介绍主成分分析法(PCA)、K-L变换，并利用特征脸方法实现了人脸识别。 （3）给出了基于matlab环境的编程及实验结果，并对结果进行分析。 关键词: 人脸识别，特征脸，K-L变换，主成分分析
yale人脸库
- 经过处理过的yale人脸数据库，做人脸识别时非常有用哦
MITfacedatabase
- MIT的人脸数据库，包括人脸和非人练部分。-face database from MIT
FERET 人脸数据库
- FERET 人脸数据库是在人脸识别的图像处理中用到最多的一个数据，美国军方的FERET人脸数据库，共1400幅图片。包括200个人，每人7幅，对应不同的姿态，表情，和光照条件，是目前最权威的人脸数据库，做人脸识别必备！
FLDA
- 使用Fisher线性鉴别分析（FLDA）方法在ORL人脸数据库上进行人脸识别试验。ORL标准人脸库共包含40人，每人10幅共400幅BMP图像。-The use of Fisher linear discriminant analysis (FLDA) at Ways on ORL face database for face recognition test. Standard ORL face database contains a total of 40 people, 10 per pe
face_database
- att和yalesface的人脸数据库，相信需要的人很多！-face database of att and yaleface，i think someone needs it!
YALE
- YALE 人脸数据库，人脸识别的好工具，15个人，每个人11副图像-YALE face database, face recognition a good tool, 15 individuals, each 11 images
yalefaces.tar
- 耶鲁人脸数据库， 做人脸识别的常用数据库-yale faces
yalefaces
- Yale人脸数据库，用与人脸识别，包括15个人，每人11张图片-Yale face database, use and recognition, including 15 individuals, each of 11 pictures
Yale
- YALE人脸数据库用于模式识别中的人脸识别-YALE
人脸数据库
- ORL人脸数据库，内含400张人脸不同姿势表情的图片，40个人，每人10张
MIT人脸数据库
- MIT人脸数据库有400张人脸数据，只包含头部，是做人脸识别的好选择
ORL
- orl人脸数据库，40人，每人10张，bmp格式，完整版(ORL face database, 40 people, 10 per person, BMP format, the full version)
yale人脸数据库
- 用于人脸识别算法，标准人脸数据库，15个不同的人，每个人有11个不同的表情(For face recognition algorithm, standard face database)
PCA+GUI人脸识别
- 基于PCA主成分分析算法和Yale人脸数据库，采用Matlab语言实现的人脸识别程序，整个程序分为预处理、训练、识别、GUI界面控制等几个模块，注释清晰，通俗易懂。(Based on PCA principal component analysis algorithm and Yale face database, the face recognition program is implemented in Matlab language. The whole program is divide
coil20
- coil20 人脸数据库，matlab格式(coil20 face database)
orl_faces
- 在人脸识别过程中，常用到许多人脸数据库，这里提供应用极为广泛的英国orl人脸库(In face recognition process, many face databases are commonly used. Here is a widely used British ORL face database.)
ORL人脸数据库
- ORL人脸数据库，包含400幅人脸图像(40人， 每人1O幅， 大小为112像素x92像素)(ORL face database, including 400 face images (40 people, 10 for each person, 112 pixels x 92 pixels in size))