LDP 算法是将与Kirsch 算子运算后得到的一些负值的邻域灰度值作为中心灰度值的编码因子，这将会导致中心灰度值不能很好的反映邻域局部特征信息，从而降低识别率。针对于此，本文提出了一种改进的局部定向模式(CLDP)算法。该算法在LDP 的基础上，去掉邻域灰度值为负值的因子，对中心灰度值进行重新编码，由于该编码值是将与Kirsch 算子运算后的正值值作为图像边缘输出，使中心灰度值能很好反映邻域的局部特征信息，从而提高人脸的识别率。本文还将提出的CLDP 算法用在YALE，ORL，JAFFE 等人脸数据库中进行人脸识别。从实验的结果表明，该方法识别性能较LDP算法，LDN 算法以及ELDP 算法

针对双空间局部方向模式（DSLDP）人脸识别算法只是单一采用作差运算提取特征的问题, 提出一种双运算局部方向模式（DOLDP）的人脸识别方法。首先, 将图像3 pixel×3 pixel邻域像素灰度值与8个Kirsch模板算子卷积, 得到8个方向的边缘响应值; 然后, 将近邻边缘响应值按照逆时针方向分别作差和作和, 得到两组8个方向的边缘响应差值和和值, 将两组边缘响应值取绝对值, 取各自最大值的方向编码成一个二位八进制数, 构成DOLDP码。在YALE、ORL、AR和CAS-PEAL人脸库上的实验结果表明：该方法将和值空间和差值空间人脸特征信息结合, 取得了更好的识别效果; 和值空间人脸特征信息较强度空间起到了平滑作用, 对光照、表情、遮挡等情况表现出更强的稳健性。

• 这是一个基于spring boot + opencv 实现的项目 • 贯穿样本处理、模型训练、图像处理、对象检测、对象识别等技术点 • 以学习交流为目的，代码注释超多，文档也在逐步完善 • java语言的深度学习项目，在整个开源社区来说都相对较少；拥有完整的训练、检测、识别过程的开源项目更是少之又少！！ • 本人目前也正在学习图片识别相关技术，代码及文档持续更新中，大牛请绕路 包含功能 • 蓝、绿、黄车牌检测及车牌号码识别 • 网上常见的轮廓提取车牌算法JAVA实现 • hsv色彩分割提取车牌算法JAVA实现 • harrcascade特征识别算法 JAVA实现 • 基于svm算法的车牌检测训练JAVA实现 • 基于ann算法的车牌号码识别训练JAVA实现 • 人脸检测 接下来将实现人脸识别 • 图片工具: 目前实现了HSV色彩切割，后续将添加更多使用的图片处理工具，用于辅助算法优化 • 证件文字识别

低质量人脸数据集中的识别具有挑战性，因为面部属性被遮挡和退化。基于边缘的损失函数的进步导致了嵌入空间中人脸的可辨别性增强。此外，先前的研究已经研究了自适应损失对错误分类（硬）示例赋予更多重要性的影响。在这项工作中，我们在损失函数中引入了自适应性的另一个方面，即图像质量。我们认为强调错误分类样本的策略应该根据它们的图像质量进行调整。具体来说，简单或困难样本的相对重要性应基于样本的图像质量。我们提出了一种新的损失函数，它根据图像质量强调不同难度的样本。我们的方法通过使用特征规范来近似图像质量，以自适应边缘函数的形式实现了这一点。大量实验表明，我们的方法 AdaFace 在四个数据集（IJB-B、IJB-C、IJB-S 和 TinyFace）上的人脸识别性能优于最先进的 (SoTA)。

基于人脸识别的门禁管理系统 (Python+Django+RESTframework+JsonWebToken+Redis+Dlib) 该项目为宿舍门禁系统管理，并额外加入宿舍管理、水电费管理、在线充值、报修管理、系统日志等多项功能，详细见下方截图等。 Django为后端、H5/CSS/JS为前端、MySQL为后端数据库、Redis为缓存、Dlib为人脸识别程序库。 该项目可作为个人学校毕业设计使用，未考虑生产环境，后续开发随心。

1、缺少sun.misc.BASE64Encoder的JAR包的问题 右键项目--》Java Build Path--->Libraries---->点开 JRE System Library[...]---》选中Access rules defined...----》edit----》Add--->选Accessible--->填** 2、 调注册接口 报 {"id":0,"error":{"error_code":1,"line":318,"prev_exception":null,"file":"sofa\/rpc\/http_rpc_request.cpp","function":"process_request","message":"JSON request no method","stack":""}} 这个问题是必选请求参数漏提交 3、'{"id":0,"error":{"error_code":1,"line":284,"prev_exception":null,"file":"sofa\\/rpc\\/http_rpc_request.cpp","function":"process_request","message":"parse JSON request failed","stack":""}} 这个问题是提交的JSON数据格式，不符合接口文档要求，注意JSON层次 4、{"id":58976,"result":{"_ret":{"errmsg":"","errnum":-8}}} 这个问题是无法找到头像，目前我遇到的原因是因为用IPHONE拍照导致的，因为IPHONE拍照后存储时，IPHONE进行了拉伸导致无法识别头像，对于IPHONE拍照的问题，可以用ImageResizerPortable工具批量缩放50%，再 进行注册。

使用 MATLAB 软件和 Open CV 开源库搭建实现 A-PCA+BP神经网络的人脸识别系统，系统能够实时检测人脸与识别。

可直接用于人脸识别技术的图像集-人脸数据集，数据集里有 40 个人，每个都有 10 张照片，分别存储在 40 个文件夹里，s1-s40，每个文件夹下面都有 10 张 .pgm 照片，每张照片的尺寸 112*92（长 * 宽）。

毕业设计:基于深度学习的人脸识别签到系统的设计与实现 准备： 安装virtualenv: pip install virtualenv 创建虚拟环境: virtualenv venv 进入虚拟环境: venv\Scripts\activate 安装依赖的包: pip install -r requirements.txt 运行： 更新数据库：python app.py db upgrade 生成管理员用户：python app.py init 运行：python app.py runserver 初始管理员账户： 学号：000000 密码：666666

我使用了opencv来录取人脸,使用了txt文本来保存人脸数据来提高第二次和以后的识别速度.