face_login 利用facenet实现检测图片中的人脸，将识别到的人脸向量存入数据库，此外利用post提交一个新图片（也可以提交一个图片地址，参考face_recognition_api.py文件中get_url_imgae函数自行修改），返回数据库中相似的人脸的信息 算法主要分为2个步骤 1.提取图片中的人脸 ，并保存到临时目录中 2.将人脸图片转换为128维的向量 ，便于后续求人脸相似度 项目主要分为3个步骤 1.提交post请求，将uid ugroup pic提交，进行人脸信息保存操作 2.收到请求后将pic进行处理解析为128维向量保存，并跟uid和ugroup保存入库 ，返回数据库插入成功的id 3.提交post请求，将ugroup pic提交人脸查询请求，意思为再ugroup中查看与图片pic相似的人脸 4.收到请求后，处理图片解析图片中所有的人脸，进行按库查询，然后与该

R2CNN_Faster_RCNN_Tensorflow 抽象 这是的张量流重新实现 。 应该注意的是，我们并没有完全按照本文的方式实施，而是采用了它的想法。 该项目基于 ，由和完成。 测试结果 比较方式 部分结果来自论文。 任务1-定向排行榜 方法 地图 PL 蓝光 BR GTF SV 左心室 SH TC 公元前 ST SBF RA 哈 SP HC 10.59 39.83 9.09 0.64 13.18 0.26 0.39 1.11 16.24 27.57 9.23 27.16 9.09 3.03 1.05 1.01 21.39 39.

作者收集的关于人脸标注的论文，包括6篇中文论文和1篇英文综述论文。

matlab人脸检测框脸代码 matlab-real-time-face-detection These codes can detect face from real time video frame

Face Alignment at 3000FPS（C++版）工程配置（非Cmake），这里是配置方法：http://blog.csdn.net/duan19920101/article/details/50582249

PCA and MDA 的人脸识别的matlab源代码，可运行，以测验。效果还不错。

此 Matlab 函数可用于将任何给定的人脸（图像）数据集随机拆分为训练集和测试集。 该函数考虑类/人员标签。 例如，在ORL人脸数据集中，有40个人每个人有10张图像； 该函数可以将每个人的10张图片随机分割成5张训练图片和5张测试图片，如下： load ORL_FaceDataSet % 上传到这里[训练集测试集]=Split_DataSet(ORL_FaceDataSet, 10, 5, 5); 请注意，您可以选择不同数量的训练和测试图像。

交互设计精髓4-about face 是《About Face 3交互设计精髓》的升级版，此次升级把全书的结构重组优化，更加精练和易用；更新了一些适合当下时代的术语和实 例，文字全部重新编译，更加清晰易读；增加了更多目标导向设计过程的细节，更新了现行实践，重点增加了移动和触屏平台交互设计，其实本书多数内容适用于多种平台。本书结构清晰、深入浅出，是一本难得的大师经典之作。本书的读者对象包括数字产品和系统的交互设计师、用户界面设计师、项目经理、 可用性工程师等，以及目前正在学习交互设计和用户界面设计专业的本科和研究生等。

此功能是基于face++活体检测demo和它的api实现的一个人脸识别登录功能 此功能是基于face++活体检测demo和它的api实现的一个人脸识别登录功能

神经网络 概述 是等人提出的多任务级联卷积神经网络进行人脸检测的方法，它能够同时输出人脸的检测框以及5个关键点，是开源中效果最好的人脸检测器，，作者提供的版本为，它采用三级级联架构分阶段逐步过滤人脸，在CPU上可达到实时和较高的准确率，是目前人脸检测领域的基准。 由于各种不同的姿态，光照和遮挡等，人脸检测和对齐在非控制环境下非常具有挑战性。最近的研究表明使用深度学习能够获得惊艳的性能，MTCNN提出了一个多任务级联框架其发掘了检测和对齐的内在联系来提升性能。特别是，其通过由粗到细的方式设计了3个精心设计的级联式的网络来检测脸和关键点，从而又提出了一种在线难例挖掘的策略进一步提升性能。其超过能有