搜索资源列表
gang_qj30
- 有循环检测，周期性检测，Gabor小波变换与PCA的人脸识别代码，相控阵天线的方向图（切比雪夫加权）。- There are cycle detection, periodic testing, Gabor wavelet transform and PCA face recognition code, Phased array antenna pattern (Chebyshev weights).
GABOR 小波代码
- 用于人脸识别边缘检测，实现5个尺度、8个方向的检测。(Edge detection for face recognition)
faceRecgnition
- 该程序可以追踪人脸并检测人脸的面部特征，从而达到识别人脸的功能，利用了OPENCV的图形处理功能，自动追踪人脸，检测与已载入的数据库进行匹配，进行识别，最终会给出检测结果。(The program can track the face and detect the facial features of the face, so as to achieve the function of recognizing the face, the use of OPENCV graphics proces
FaceDetect-master
- 面部检测，基于图像的人脸识别，opencv2 cv3(If you want to understand how the code works, the details are here: https://realpython.com/blog/python/face-recognition-with-python/ Update: Now supports OpenCV3. This change has been made by furetosan ( https://git
MTCNN_face_detection_alignment-master
- 人脸识别和分割,用于图片中人脸的检测与标出，编程语言为matlab(face detect and aligement)
FirstFaceDetect
- 基于OPENCV的人脸识别功能,能使用默认级联检查器检测正常人脸。(face detection based on opencv and c language.)
deepgaze
- 新的人脸识别调用库，包含中众多人脸的算法，python编程完成，主要涉及人脸姿态估计（图片和视频），人脸表情估计，人脸皮肤检测等等数十种。
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")
NETSDK(20170706)
- 1.支持win64位下云登录功能。 2.设置码流V2接口的回调函数参数修改。 3.消息回调函数接口参数的修改。 4.优化接收和处理缓存，解决接收高分辨率图片数据问题。 5.增加智能编码，智能回放等功能接口。 6.增加车牌识别，人脸识别及其报警配置，模糊检测功能。(此为定制功能) 7.增加抓图接口中图片类型选择功能。 8.增加获取录像日历功能接口。(1. support the win64 bit cloud login function. 2. to modify the
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
facedetection0
- 基于颜色的人脸识别，将rgb转换到YCrCb空间，检测出人脸后，用方框标出。(Color-based face recognition)
IMAGE_MATLAB_GUI
- 功能强大的gui,各种处理图像的程序，比如中值滤波、灰度化、格式转换、边缘检测等，并且列举了四个特别好的实例，比如人脸识别、车牌提取等(Powerful GUI, various programs for image processing, such as median filtering, grayscale, format conversion, edge detection, etc., and enumerate four very good examples, such as face
Intelligent-monitoring-platform
- 智能监控平台的网站服务基于Flask开源框架，图像识别与信息提取功能则基于cv2和tensorflow等一系列相关的第三方库。以网页的形式进行人脸识别、目标检测、目标跟踪等，并且可以存储相关的操作记录、用户登录、管理员登录(Intelligent monitoring platform's website service is based on Flask open source framework, while image recognition and information extract