如今，随着技术的不断进步，“变脸”技术不再是四川喜剧的“独门武功”。运用机器学习的方法，我们同样可以实现人脸“融合”。当然这里说的人脸融合指的是将两个人的人脸照片进行融合，至于融合的比例，要按照自己的喜好来定。代码说明见：https://blog.csdn.net/m0_38106923/article/details/88856471

主要为大家详细介绍了face++与python实现人脸识别签到（考勤）功能，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

包含人脸分割的模型、黑头检测代码、用户界面代码 功能：从图像中检测人脸的鼻子，检测黑头并在原图标出，从用户界面输入图像并保存。 优点：侧脸也能检测，检测黑头比较全面 缺点：不能检测黑皮肤的黑头，对参数要求高，斑纹不能区分

主要为大家详细介绍了python实现人脸签到系统，带数据库存储，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

MTCNN和facenet实现人脸检测和人脸识别 主要实现方式参考博客：https://blog.csdn.net/zhonglongshen/article/details/90202620

原地址:官方下载地址http://dlib.net/files/ （页面内搜索）

mtcnn实现人脸检测，使用的haar人脸特征分类器，FaceNet实现人脸识别； 使用PyCharm可直接打开，开箱即用 使用了FaceNet的预训练模型，因为模型资源过大，我分开上传了，可在我的个人主页找到对应预训练模型下载，放在项目中对应的mtcnn-FaceNet\models的每个目录底下即可； 人脸数据库初始化的人脸数据是我在网上找到明星照片，使用mtcnn和Haar从mtcnn-FaceNet\dataset\images文件夹中所有文件提取人脸，放在mtcnn-FaceNet\dataset\emb_face目录下，使用提取到的人脸训练自己的模型，生成mtcnn-FaceNet\dataset\emb\faceEmbedding.npy这个模型，使用FaceNet从mtcnn-FaceNet\dataset\test_images文件夹找到需要识别的人脸图片，进行识别；

通过face++接口调用，获取人脸关键点，替换关键点位置，进行简单的操作

SVM在JUPYTER上的程序

dlib的wheel包，版本19.22，python版本3.8，环境是windows 64位，需要的直接下载安装就可用，不用再配置环境编译了