人脸检测进阶：使用 dlib、OpenCV 和 Python 检测眼睛、鼻子、嘴唇和下巴等面部五官,详见：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/121676797?spm=1001.2014.3001.5502

matlab嘴部检测代码通过全卷积局部全局上下文网络进行鲁棒的面部地标检测 面部标志用于定位和代表面部的显着区域，例如：眼睛，眉毛，鼻子，嘴巴，下颚 挑战：不同的形状，姿势，光照条件，遮挡物等。 界标检测的用途：人脸对齐，头部姿势估计，人脸交换，眨眼检测等等。 以下是iPython Notebook的论文实现： 通过全卷积局部全局上下文网络进行稳健的面部地标检测，国际计算机视觉与模式识别会议（CVPR）的会议记录，IEEE，2018年-Daniel Merget，Matthias Rock，Gerhard Rigoll 关联： 代码是用Brainscript编写的，还使用Microsoft CNTK和Python进行了后期处理，并使用了Matlab。 可以找到代码和其他详细信息。 本文重要提示 完全卷积神经网络擅长于对局部特征进行建模，但会导致受约束的接收场（局部上下文）。 为了克服这个问题，可以采用多种方法：级联/池化等。本文提出了一种新的方法，该方法使用逐通道/内核卷积和膨胀卷积（全局上下文）来实现相同的精度，而不是几种SOTA方法。 它将全局上下文直接引入到全卷积神经网络中。 主

基于卷积神经网络及特征提取的面部表情识别算法.pdf

面部特征点批量手动标定（可撤销标定，输出至txt文件中）及测试程序 挑选需要的图片存入文件夹B 文件夹B的图片需要排序按照 1.jpg 2.jpg 3.jpg。。。。。顺序

代码基于python3和opencv框架，可能需要安装所需的module； 功能描述 --实现笔记本摄像头获取人脸的面部表情识别，happy，angry，neural，sad.. --实现指定路径下视频中人脸的识别.. 验证成功，未做改动，源自github

图像重构matlab代码使用图像到图像的翻译进行无限制的面部几何重构 使用图像到图像转换的无限制面部几何重构的评估代码。 给定单个图像，代码将输出重构的网格。 最近更新 2020.05.07 ：我们发布了此存储库的，并鼓励您尝试一下！ 2018.07.20 ：将后期postprocess分散到组成管道的不同步骤中，将模型更改为float以节省空间。 设置和用法 该项目已在具有Matlab R2015b的Ubuntu 14.04 LTS上进行了测试，请按照以下说明运行它： 确保已安装在计算机上。 安装mattorch和nngraph软件包。 luarocks install mattorch luarocks install nngraph 下载并将其解压缩到Directroy models 。 在Matlab中运行runme.m脚本。 引文 如果您使用此代码进行研究，请引用我们的论文： @article{sela2017unrestricted, title={Unrestricted Facial Geometry Reconstruction Using Image-to-Imag

针对目前基于学习的姿态估计方法对训练样本及设备要求较高的问题，提出一种基于面部特征点定位的无需训练即能估计单幅图像中人脸姿态的方法。通过 Adrian bulat人脸特征点定位器和 Candide-3构建稀疏通用人脸模型并获得五官特征点，确定模型绕Z轴的旋转范围及搜索步长，在指定z轴旋转角度下，使用修正牛顿法通过模型的旋转、平移及缩放变换对齐模型和图像中人脸五官角点，得到该角度下模型绕x轴、F轴的旋转角度及绕z轴候选角度下的损失函数值，根据最小损失函数值确定人脸绕3个轴旋转的最佳值。实验结果表明，该方法能够快速估计自遮挡的大姿态角度人脸，在公共人脸库 MulTI-pie BIW1和AFLW上的平均误差分别为3.79°437°和6.04°，明显高于同类人脸姿态估计算法，具有较好的实用性能。

Python3.6中的这个HCI(人机交互)应用程序将允许您通过面部动作控制鼠标光标，只需使用常规网络摄像头。

FACS表情附录,包含所有的表情描述，英文原版的，可以供研究心理学和研究表情识别的同志交流

抑郁症患者的面部表情识别研究