Face Mask Detection-口罩检测 基于计算机视觉和深度学习的口罩检测系统 使用 OpenCV 和 Tensorflow/Keras。使用 OpenCV、Keras/TensorFlow 构建的面罩检测系统，使用深​​度学习和计算机视觉概念来检测静态图像和实时视频流中的面罩。在持续的 COVID-19 大流行中，没有有效的口罩检测应用程序，现在对交通工具、人口稠密地区、住宅区、大型制造商和其他企业的安全需求很高。'with_mask' 图像的大型数据集的缺乏使这项任务变得繁琐和具有挑战性。我们的口罩检测器不使用任何变形蒙版图像数据集，并且模型是准确的。由于使用 MobileNetV2 架构，计算效率高， 特征 我们的口罩检测器不使用任何变形蒙版图像数据集，并且模型是准确的 由于 Covid-19 的爆发，该系统可用于需要出于安全目的进行面罩检测的实时应用 该项目可与嵌入式系统集成，应用于机场、火车站、办公室、学校和公共场所，以确保遵循公共安全准则 它的计算效率很高，因此更容易将模型部署到嵌入式系统（Raspberry Pi、Google Coral 等） 该数据集包含

Class Attendance System based on Face Recognition 基于人脸识别的课堂考勤系统 Contributor : datamonday Github Repo : Initial Blog : Project Post : 2019.04 2021.5.9 Updata new version named Face Recognition Algorithms Test System is available： 1. 项目简介:cat_face:‍:motorcycle: :chequered_flag:本项目使用Python3.6编写，Qt Designer（QT5）设计主界面，PyQt5库编写控件的功能，使用开源 OpenFace人脸识别算法进行人脸识别，使用眨眼检测来实现活体识别，使用OpenCV3实现实时人脸识别。:cat_face:‍:bust_in_silhouette:同时，将班级学生信息，各班级学生人数、考勤信息录入到MySQL数据库中，方便集中统一

Tiny face小人脸测试所用的预训练模型，res101网络框架的模型文件

投影投影代码matlab LDA-人脸识别 程序 编程步骤： 图像的初始大小是一个大小为 128x128x3 的矩阵，对应于图像的 rgb 强度值。 对于所有计算，使用图像的灰度值，它将每个图像的维度减少到 128x128x1 矩阵。 由于在 128x128 矩阵上执行矩阵计算在平均配置的 PC 上很耗时，因此我调整了图像大小并为 40x40 矩阵、64x64 矩阵和 96x96 矩阵执行了计算。 然后将每个图像表示为向量形式，重塑原始图像矩阵执行此任务。 现在，每个图像都由一个 1600x1 的向量表示（对于 40x40 大小的图像）。 我们需要每个类的均值来计算类内散布矩阵。 一旦为该特定类计算了平均值，我们通过对集合中的每个 x 求和 Pr(C) (xm) (xm)' 来计算类内散布。 （x = 训练集中的每个图像，m = 图像的平均值） 为了计算类内散布的总数，我们将所有类的所有类内散布矩阵相加。 现在要计算类间散布，我们需要所有类的平均值和 300 个类的总平均值。 之间的散布矩阵由每个类别的求和 Pr(C)*(mm )*(mm )' 形成（m = 该类别的平均值，m` =

face人脸模型，深度学习

学习卷积神经网络的面部反欺骗 “”论文的实现 结果 CASIA内测 原始数据集：或（密码：h5un） 规模 1.0 1.4 1.8 2.2 2.6 吝啬的 开发EER 0.1094 0.0408 0.0346 0.0339 0.0670 0.0571 测试HTER 0.1033 0.0492 0.0568 0.0675 0.0875 0.0729 测试EER 0.0923 0.0461 0.0578 0.0665 0.0790 0.0683

One Millisecond Face Alignment with an Ensemble of Regression Trees.pdf

python3.6，dlib 19.7.0,opencv-cp36,face_recognition-1.2.3，本软件包是开发face_recognition的经典组合，我经过win7,win10环境，64位，非常顺利。

对抗性纠缠的视听表示形式的会说话人脸生成 在这项工作中，我们提出了Disentangled Audio-Visual System (DAVS)来解决任意主题的说话人脸的生成问题，该目的是合成与给定语音语义相对应的一系列人脸图像，并以不受约束的语音音频或视频为条件。 要求 （我们使用版本0.2.0） 生成测试结果 下载预训练的模型 Create the default folder " checkpoints " and put the checkpoint in it or get the CHECKPOINT_PATH 可在名为文件夹中找到测试样本。 这是来自数据集的预处理样本。 运行测试脚本以从视频生成视频： python test_all.py --test_root ./0572_0019_0003/video --test_type video --test_au

使用pyqt5自制的电脑版的简易相机,可以打开电脑自带和外接的摄像头,带人脸检测和拍照功能，点击拍照后，照片会保存在文件的同目录下。点击exe文件运行即可。