matlab人脸匹配代码ASM人脸特征点匹配 简介任务：通过结合使用主动形状模型（ASM）算法和PCA方法来训练可用于检测测试人脸图片关键点的回归器。 然后，进行Procrustes分析以匹配那些图像的重建关键点； 环境：Matlab 2016a版本，ASM软件包； 主要步骤1，图像处理和参数设置将所有图像加载到Matlab中，并将其设置为训练图像和测试图像。 然后通过使用函数rgb2gray（），imread（）将RGB图像转换为灰度。 通过构造结构“选项”为以后的代码设置参数。 例如，我们将两个关键点之间的计数器点设置为10，将搜索迭代次数设置为100。2，在图像上使用经过训练的关键点并填充训练数据[Vertices，Lines] = LoadDataSetNiceContour（）； 通过使用这些Matlab函数，我们可以获得所有训练图像的顶点和线。 此功能来自受支持的程序包。 3，制作Shape模型[ShapeData，TrainingData，MeanVertices] = ASM_MakeShapeModel2D（）; [TrainingData（i）.CVertices，

Luxand Face SDK 4.0 破解版 人脸识别，面部特征识别，动态人类追踪等好用的功能

汤晓鸥团队关于深度学习人脸识别的经典论文，是人脸分析的新方法。

face 微信小程序，人脸检测颜值排行榜1.0前端+django后端

WIDER FACE库，可以用于人脸检测、人脸识别的训练、测试。

InsightFace-REST 该存储库旨在为 InsightFace 人脸检测和识别管道提供方便、易于部署和可扩展的 REST API，使用 FastAPI 进行服务，使用 NVIDIA TensorRT 进行优化推理。 代码主要基于官方 DeepInsight InsightFaceAPI。 该存储库提供用于构建人脸识别 REST API 和使用 Docker 将模型转换为 ONNX 和 TensorRT 的源代码。 主要特征： 准备好使用 Docker 和 nvidia-docker2 在支持 NVIDIA GPU 的系统上进行部署。 启动时自动下载模型（使用 Google Drive）。 借助 TensorRT 优化、FP16 推理和使用 ArcFace 模型对检测到的人脸进行批量推理，性能比 MXNet 推理提高多达 3 倍。 支持较旧的 Retinaface 探

人脸识别的68个特征点检测库dat文件，人脸识别的5个特征点检测库dat文件以及dlib_face_recognition_resnet_model_v1.dat人脸识别模型

face-recognition:人脸识别考勤系统

人脸识别 使用HOG进行人脸检测，使用Facenet进行特征提取。 参考： 使用Keras，Dlib和OpenCV进行深脸识别

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。