人脸的检测与定位(在预处理部分，采用了特别的增强人脸特征与脸部皮肤之间对比度的方法及局域取阈值二值化方法，改进了预处理的效果。在图像分割部分，实现了经典的分合算法，并且使用成组算法改进了分合的效果。在人脸匹配部分，实现了基于眼睛和嘴的几何模型匹配，并对评价函数的构造进行了研究。)-Face Detection and Location (pretreatment, using a special facial features enhanced facial skin and the contr

提出一种新的非线性变换的彩色空间 ″″, 利用次高斯概率分布函数拟合皮肤色度信息, 得到候选区 YC C r b 域。为了排除候选区域中的非人脸, 首先根据均值和方差信息分割出候选区域中的纹理特征信息, 再通过多尺度 ) ( 信息定位眼睛, 然后根据人脸特征的几 形态边缘检测算子检测候选区域的边缘, 利用 边缘方向 PCA PCAED ( ) 何形状信息定位其他特征 鼻、嘴 , 通过这些几何特征信息对肤色分割得到的候选区域进行验证, 最终得到正确 的人

人脸表情识别代码，演示了识别过程中每个步骤，通过肤色变化提取人脸区域，寻找最大联通区域，人脸区域二值化，左眼、右眼嘴唇分割和边缘提前，最后通过三个特征进行表情识别。包含测试图片。-Facial expression recognition code demonstrates each step in the identification process, by the color change of extract facial area, looking for maximum Unicom

adaboost人脸分割,通过adaboost方式，把人脸部的特征切割出来，方便用pca算法处理之类的。-adaboost face segmentation by adaboost way, the people cut out facial features, easy handling and the like pca algorithm used.