介绍 基于深度卷积神经网络实现的人脸表情识别系统，系统程序由Keras, OpenCv, PyQt5的库实现，训练测试集采用fer2013表情库。 主要功能 （1）可以通过从本地图片导入系统，或者直接相机进行拍摄等方法对图片和视频进行处理并分析。 （2）可以切换模型对图片进行处理。 实现原理 （1）表情库的建立 目前，研究中比较常用的表情库主要有:美国CMU机器人研究所和心理学系共同建立的Cohn-Kanade AU-Coded Facial Expression Image Database(简称CKACFEID)人脸表情数据库;fer2013人脸数据集等等，这里我们的系统采用fer2013人脸数据集。 （2）表情识别: ①图像获取:通过摄像头等图像捕捉工具获取静态图像或动态图像序列。 ②图像预处理:图像的大小和灰度的归一化，头部姿态的矫正，图像分割等。（改善图像质量，消除噪声，统一图像灰度值及尺寸，为后序特征提取和分类 识别打好基础） （3）特征提取:将点阵转化成更高级别图像表述—如形状、运动、颜色、纹理、空间结构等,?在尽可能保证稳定性和识别率的前提下，对庞大的图像数据进 行降维

为消除非受控训练环境中光照/表情变化的不利影响,控制部分遮挡/伪装对人脸图像的破坏程度,提出了一种基于低秩矩阵恢复的字典优化设计,以增强稀疏表示人脸识别的性能.首先对存在非受控干扰成分的训练字典进行低秩矩阵恢复,获得相对"干净"的训练图像进行特征提取;接着采用分块相似性先验嵌入稀疏编码的方法实现对人脸图像的分类.实验结果表明,通过改进稀疏编码字典的鉴别能力,系统能更有效地抑制光照、表情、遮挡/伪装的影响,其识别的稳健性和鲁棒性得到了明显提升.

【人脸识别】基于主成分分析PCA算法人脸识别门禁系统含Matlab源码

PyRecognizer 一个简单的人脸识别引擎 火车/预测视频指南 模型为一些名人调整 以下列表包含名人的姓名和用于训练的照片数，按照片数排序 名人名单George_W_Bush 530 Colin_Powell 236 Tony_Blair 144 Donald_Rumsfeld 121 Gerhard_Schroeder 109 Ariel_Sharon 77 Hugo_Chavez 71 Junichiro_Koizumi 60 Jean_Chretien 55 John_Ashcroft 53 Serena_Williams 52 Jacques_Chira

毕业设计 - 基于树莓派、OpenCV及Python语言的人脸识别 使用OpenCV for Python图像识别库，运行在树莓派RASPBIAN JESSIE Linux系统平台上，搭配树莓派官方摄像头模块。 运行要求 OpenCV 2.4.9 for Python Python 2.7 v4l2 PyQt4 安装要求 sudo apt-get install build-essential cmake pkg-config python-dev libgtk2.0-dev libgtk2.0 zlib1g-dev libpng-dev libjpeg-dev libtiff-dev libjasper-dev libavcodec-dev swig unzip 1. 启用v4l2 安装PyQt4 sudo apt-get install python-qt4 运行 python main.py

基于matlab的人脸识别代码，只有matlab程序，需要人脸识别库图像的可以留言或私信我

该课题为基于MATLAB平台的PCA的人脸识别系统。传统的人脸识别都是直接人头的比对，现实意义不大，这块都做烂了。该课题识别原理为：从一副生活照中寻找到人脸，并且分割人脸图象，利用PCA算法进行降维，和库里图片进行对比，输出目标人脸以及相关个人信息。该课题还可以继续二次开发，做成库内外人脸的识别，如果是库外人脸则实现报警等。

去年我上传过这个数据库，以前等级低，上传限制，分两部分上传的，现在才发现后半部分我给落下了了。 我删除以前的那个，重新上传一份，这是我这里全部的了，再不全我也没办法了。 在BioID人脸数据库实验表明,将主成分分析与BP神经网络相结合,与传统单一的BP神经网络识别相比,能够提高识别的正确率,减少训练时间,同时简化网络结构,减少很大的计算量。 希望对您有用！

人脸退化matlab代码3DMM-Matlab 这是 3D 可变形模型的 matlab 实现，正如 Volker Blanz 和 Thomas Vetter 所讨论的。 数据库 要使用此代码，您将需要原始作者提供的数据集。 我们没有分发它的许可证。 但是，您可以请求数据集。 将 .mat 文件保存在同一目录中。 使用代码 EditorApp.m ：运行此应用程序将打开一个 gui，可用于生成各种形状和面部纹理。 您还可以添加年龄、性别、体重和身高等属性。 demo.m ：运行此脚本将使模型适合 Capture.PNG 中的图像并生成 3d 输出。 #要查看以前的结果，请运行： 负载（'结果。垫'） 模型 = 负载（'01_MorphableModel.mat'） display_face(shp,tex,model.tl,defrp) 其余的脚本是实用程序脚本。

提出了利用小波变换(WT)、非负稀疏矩阵分解(NMFs)和Fisher线性判别(FLD)来进行人脸识别。用小波变换分解人脸图像，选择最低分辨率的子段，既能捕获到人脸的实质特征，又有效地降低了计算复杂性；非负稀疏矩阵分解能显示地控制分解稀疏度和发现人脸图像的局部化表征；Fisher线性判别能在低维子空间中形成良好的分类。实验结果表明，这种方法对光照变化、人脸表情和部分遮挡不敏感，具有良好的健壮性和较高的识别效率。