编译opencv所需下载的3rdparty，主要是 .cache中的文件，如ade、face_landmark_model、ffmpeg、ippicv、boostdesc、vgg等文件。

An Asian Face Dataset and How Race Influences Face Recognition.Deep Learning Facial Recognition Scheme May Give Better face recognition performance now, but this circuit requires a lot number of face data marked. Material Description

应用中央差分卷积网络（CDCN）进行面部反欺骗 安装 virtualenv -p python3 venv source venv/bin/activate pip install -r requirements.txt 数据准备 参考 [1]于子彤与赵，陈旭与王，泽正与秦，云霄与苏，卓与李，小白与周，冯与赵，国应。 搜索中央差分卷积网络以进行面部反欺骗，doi： ： [2]中央差分卷积网络，doi： ： [3]王则政，赵晨旭，秦云霄，周秋生，齐国俊，万钧，甄磊。 利用时间和深度信息进行多帧脸部反欺骗，doi： ：

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。