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.

300行人脸识别代码运行

本科毕业设计——基于深度学习的口罩佩戴检测及人脸识别系统源代码 Run pip install -r requirements.txtin terminal; Run main.py in your IDE or python interpreter;

深度学习在人脸识别的研究和应用中取得一定成效,但因计算量大且耗时,不适用于小型嵌入式设备。基于融合梯度特征的轻量级卷积神经网络SqueezeNet提取人脸特征,既能保证该网络模型适用于内存相对小的嵌入式设备,又能保证获得的人脸特征对不同光照更具鲁棒性。实验结果表明,将8×8分块图像中提取的一阶梯度特征,与轻量级卷积神经网络提取的全局特征相融合的人脸识别算法,在LFW数据集中识别率可达97.28%,较传统轻量级卷积神经网络的人脸识别方法,识别率提高了4.36%。

该脚本使用内置的前脸检测器来查找脸部，然后查找脸部的眼睛。本例程先用haar算子进行人脸识别，然后利用haar算子找到人脸中的眼睛，实现人眼追踪。

PCA用于人脸识别的预处理，无监督的降维，附带通用的ORL人脸数据库和快速PCA的代码。文件可以通过改成txt后缀打开。

这个包的目的是实现基于 PCA 的人脸识别（Eigenfaces 技术）。 使用的人脸数据集是 ORL AT&T 剑桥实验室 ( www.cl.cam.ac.uk/Research/DTG/attarchive:pub/data/att_faces.zip )。 此数据集以 mat 格式 (ORL_FaceDataSet) 附在此处。 在这方面，该软件包可作为学生和研究的实践指南，脚本中提供了许多详细信息。