主要介绍了Python基于OpenCV库Adaboost实现人脸识别功能,结合实例形式分析了Python下载与安装OpenCV库及相关人脸识别操作实现技巧,需要的朋友可以参考下

随着智能化信息技术的发展，视频监控、远程教育、 人机交互技术及安全等各方面都迫切希望能够进行快速、有效的身份验证。人脸识别技术是一种依据人的面部特征来自动进行身份鉴别的生物特征识别技术。由于人脸识别技术在诸多生物特征识别技术中具有众多的优势,特别是直观、非侵犯的优点，决定了其广泛的应用前景，使其受到来自学术界和工业界越来越多的关注，吸引了越来越多的研究者的兴趣，成为了一个热门的课题，取得了一批有意义的研究成果。

adaboost 源代码，用matlab 编写

[emuch.net]案例5 基于BP_Adaboost的强分类器设计-公司财务预警建模

本文实例讲述了Python基于OpenCV库Adaboost实现人脸识别功能。分享给大家供大家参考，具体如下： 以前用Matlab写神经网络的面部眼镜识别算法，研究算法逻辑，采集大量训练数据，迭代，计算各感知器的系数。。。相当之麻烦~而现在运用调用pythonOpenCV库Adaboost算法，无需知道算法逻辑，无需进行模型训练，人脸识别变得相当之简单了。 需要用到的库是opencv(open source computer vision)，下载安装方式如下： 使用pip install numpy语句安装numpy （如果出现错误：Microsoft Visual C++ 9.0 is r

关于人脸检测的代码，有图，可直接运行，需要2012以上版本的matlab

基于AdaBoost算法训练了分类器，并编程实现了一个人脸检测系统，将其应用于驾驶员疲劳检测系统中，对人脸区域进行检测和跟踪。为了提高系统的鲁棒性和检测的速度与精度，依次应用曝光补偿，积分图等方法，使得系统具有较高的高检测精度和较短的检测时间，可以适应驾驶员疲劳检测的需要。

改进的AdaBoost-SVM算法用于对等网络贷款平台的安全性和风险进行分类。 由于SVM算法难以处理稀有样本并且训练缓慢，因此使用规则采样来减少分类噪声。 然后，通过学习机的组合，可以识别P2P风险。 结果表明，IAdaBoost算法可以提高风险平台分类的准确性。 分类误差可控制在5％以内。

机器学习和模式识别工具包spider。内容很丰富。 包含svm 决策树（C45,J48）、svm、knn、adaboost、bagging、hmm（隐马尔科夫模型）、随机树（random forest）等

一种基于指数损失函数的多类分类AdaBoost算法及其应用.pdf