2019人脸防伪检测挑战赛数据集CASIA-SURF数据集（带密码）及论文 最多的数据模态:RGB,Depth,IR 最多的采集人数：1000 最全面的评价指标：ROC，纵坐标 TPR，横坐标 FPR 最多样化的评估协议

SIFT-SURF-and-FAST-算法 本项目是对不同图像篡改检测算法的比较研究。 比较研究基于在不同标准（例如特征点的数量、特征描述符等）中获得的结果来评估算法的性能。 这些研究是了解算法行为及其对所得结果的影响的重要资源。 我们主要专注于算法 SIFT、SURF 和 FAST。

压缩包中包含sift和surf的图像配准，先用sift或者surf特征提取，然后进行特征匹配，最后还用RANSAC进行误匹配剔除。sift是在Lowe官网源码上进行更改，surf直接使用MATLAB自带函数detectSURFFeatures()。

这个是关于surf算法讲解的ppt，原创哦！可以看看！

1、这是在OpenCV3.1.0、VS2013、win10环境下编译好的opencv_contrib库（依赖项opencv_hdf310d.lib不可用），其中对于surf特征提取模块，本人亲测可用。 2、下载后只需配置环境变量、包含目录、库目录、附加依赖项四项内容即可使用，这一步网上许多博客上都有详细说明，在此不再赘述。 3、如有想法，欢迎留言讨论。

ICEM SURF的SSQ 亲测可用 需要装ds licnese server，教程很多网上

冲浪 SURF 和 SURF-PI：用于非侵入式负载监控公共数据集的文件格式和编程接口

基于特征点SURF算法的图像配准和加权平均融合算法,将有重叠区域的两张图像拼接成一张高分辨率的全景图像,并运用MATLAB软件实时仿真拼接图像。首先利用SURF算法匹配图像,经仿射变换后得到含有拼接缝的合并图像;再分别对比不同分辨率、重复率的三组测试数据;接着使用两种融合算法融合比对最优图像;最后设计了一个简单的GUI界面实现图像拼接。实验表明:分辨率越高,图像信息量越大,匹配效果就越清晰,但会耗费更多的运算时间;重复率增加,有效匹配点占比增大,得出图像重复率在40%及以上时会使匹配更精准。加权融合算法能更好地实现图像之间的平滑过渡。

Chalearn CeFA面对反欺骗挑战 这是我们在CVPR 2020上针对Chalearn单模式人脸防欺骗攻击检测挑战的解决方案的代码。 如果您在实验中使用此代码，请访问以下论文： : 我们的解决方案基于两种类型的人工变换：秩合并[1]和光流[2]，并在端到端流水线中组合以进行欺骗检测和序列增强，以丰富伪造轨道的集合。 参考 [1] Basura Fernando，Efstratios Gavves，Jose Oramas，AmirGhodrati和Tinne Tuytelaars。进行行动识别的排名汇总。TPAMI，39（4）：773–787，201 [2] C. Liu。 超越像素：探索运动分析的新表示形式和应用。 博士论文。 麻省理工学院，2009。 训练步骤 步骤1。 安装at_learner_core cd /path/to/new/pip/environment

使用Matlab通过HOG，SURF和CNN进行人脸识别 你好！ 由于数据敏感性，无法使用该项目的模型。 但是，可以通过将数据输入（照片文件夹），预处理已处理的图像（Faces和GrayFaces）来创建自己的模型，然后运行相关脚本来创建自己的模型。 这种脸部识别功能不仅适用于单个图像，而且适用于集体照，但请注意误报。 怎么跑 Matlab可以输出指数形式的值，因此请先运行“ format shortG”格式。 可处理的论点： 要使用SVM分类器RecogniseFace（“ I”，“ SURF”，“ SVM”）或RecogniseFace（“ I”，“ HOG”，“ SVM”）运行任何HOG / SURF，其中I是图像文件。 例如“ 1IMG_6820.png” 一个完整的论据是RecogniseFace（“ 1IMG_6820.png”，“ SURF”，“ SVM”）或Recog