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
face_trace
- 提供对人脸进行区域检测和特征定位的算法实现程序，可生成可执行程序，检测方法包括相似度计算、二值化、垂直、水平直方图、脸或头发直方图等，能够对眼睛、嘴巴、鼻子进行标注。
FACERECOGNITIONBASEDONFRACTALANDGENETICALGORITHMS.
- 本文的题目是基于分形和遗传算法的人脸识别方法，对有限人群提出一种采用分形特征和遗传聚类的识别方法: 将图像分成很多小区域, 分别计算各个区域的分形特征, 以充分利用图像二维信息 同一个模式有多个样本, 通过遗传算法进行聚类以得到最优解实现不变性识别. 最后采用ORL 人脸图像库的一组图像对比了新方法、本征脸法和自联想神经网络方法, 结果表明该方法的识别率, 与本征脸法相似, 比自联想神经网络高.
ActiveFaceRecognition
- 生物特征的自动识别技术得到广泛研究与开发，如指纹识别、掌形识别等。人脸识别是基于脸像的身份鉴别，-Automatic biometric identification technology is widely research and development, such as fingerprint recognition, hand geometry identification. Face recognition is based on the identity of the face su
gacvsrc
- 猫脸检测功能，用ADABOOST训练的，用GABOR特征，完全开源-adaboost trained gabor filter to detect caT FACE
paper1
- 脸部特征定位是人脸分析技术的一个重要组成部分，其目标是在图象或图象序列中的指定区域内搜索人 脸特征(如眼、鼻、嘴、耳等)的位置-This facial feature location based photos of the face of technology is an important part of their goal is to image or image sequence in search of people within the designated area
zhongshu
- 人脸识别 求特征向量 均值脸 pca 特征值 支持向量包 各种M文件 支持向量机的应用发展等-Mean face recognition pca eigenvector eigenvalue vector covering all M documents the application of support vector machine development
renlianjiance
- 已有的眼睛状态识别方法不仅计算量大，而且易受环境因素(如光照条件)的影响。为此本文提出了一种新的眼睛状态识别方法:首先对实时拍摄的图像利用运动信息和肤色特征进行人脸检测 然后在检测到的上半部人 脸区域采用Adaboost算法只检测驾驶员正常状态下睁开的眼睛，把检测 的眼睛与眉毛分割出来制成正常睁开眼睛模板 最后把眼睛模板与未检测 到眼睛的上半部人脸区域进行匹配，当该区域的最大相似度值小于某闽值 时认为眼睛是闭合状态，否则认为眼睛是睁开状态。并根据眼睛状态计算 眼睛平均闭合时间
demo
- 实现了利用数字图像模式识别技术实现对人脸的自动检测与特征定位。包括有脸相似度计算、人脸轮廓提取、人脸定位、脸内轮廓提取、眼睛定位、鼻子定位和嘴定位等部分。-Achieved using digital image pattern recognition technology to the automatic human face detection and feature location. Include face similarity calculation, face contour ex
FACE-RECOGNITION
- 此文的目的有三个：第一，当地连续均值量化变换特征是提出照明和传感器敏感操作在目标识别上。其次，注册稀疏Winnows网络分割，提出了加快原分类。最后，特点和分类相结合对于正面人脸检测任务。检测结果列 为MIT + CMU系统和BioID数据库。关于这人脸检测器，接收器操作特征曲线BioID数据库产生最好的结果公布。对于结果麻省理工学院的中央结算系统+数据库相当于国家的最先进的脸探测器。一个人脸检测算法的MATLAB版本可以从http://www.mathworks.com/matlabce
renl
- 实现了利用数字图像模式识别技术实现对人脸的自动检测与特征定位。包括有脸相似度计算、人脸轮廓提取、人脸定位、脸内轮廓提取、眼睛定位、鼻子定位和嘴定位等部分。-Achieved using digital image pattern recognition technology to the automatic human face detection and feature location. Include face similarity calculation, face contour ex
aasthana_cvpr2013_code_version_1.0
- 对正脸进行特征点提取，方便其用于三维重建。。。。(For face feature extraction)
oengfitaudiocallback
- eigenfaces,基于特征脸的人脸识别的一个例子,入门级别,(Eigenfaces, an example of face recognition based on feature face, entry level,)
FaceRecognition
- 利用pcat提取特征值并完成降维，进而通过测试一张图片到特征脸的三阶距离完成人脸识别 言语表达不清的地方请见谅咯(we used the pca to make a facerecognition.)
PCA_based Face Recognition System
- 特征脸的人脸识别系统 这个包实现了一个著名的基于PCA的人脸识别。(Feature based face recognition system This package implements a well-known PCA based face recognition.)
PCA_based Face Recognition System
- 通过PCA 算法提取特征脸 在人脸训练库中获取每张人脸的特征脸，在测试集中寻找与训练的人脸相似的人脸。有可视化的GUI界面。(The feature face is extracted by PCA algorithm to get the face of each face in the face training library, and the face which is similar to the trained face is found in the test set. There
主流的人脸识别技术
- 主流的人脸识别技术基本上可以归结为三类，即：基于几何特征的方法、基于模板的方法和基于模型的方法。 1. 基于几何特征的方法是最早、最传统的方法，通常需要和其他算法结合才能有比较好的效果； 2. 基于模板的方法可以分为基于相关匹配的方法、特征脸方法、线性判别分析方法、奇异值分解方法、神经网络方法、动态连接匹配方法等。 3. 基于模型的方法则有基于隐马尔柯夫模型，主动形状模型和主动外观模型的方法等。(The mainstream face recognition technology can
EigenFace
- 基于特征脸的人脸表情识别matlab代码(Facial expression recognition matlab code based on feature face)
基于PCA的人脸识别
- 主成分分析法(principal conponent analysis, PCA)也叫Hotelling变换或特征脸法，是基于 K-L变换基础上研发得到的。该方法的核心是能够降低图像空间的维度，具体做法是将原始的数据通过某种线性变换从高维度空间转变到低维度空间中，这些数据彼此不相关，根据贡献率选取最大的前一部分，使原数据具有最大的变化量，对后面的图像也向这个空间投影，然后比较它们之间的距离来确定类别关系。PCA方法的缺点是对光照问题比较敏感。
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,