关于人脸识别的大学硕士论文集，里面详细地介绍了关于人脸识别的概述以及相关的算法的实现，还有就是它的运作原理

机器学习 深度学习 人工智能代码（python）用SVM实现人脸识别 附带结果

变电站安全生产的智能化管理系统源码(人脸识别考勤_移动目标跟踪_越线检测_安全措施检测_姿态识别等功能)+项目说明.7z 通过人脸识别功能进行人员的考勤； 通过人员、车辆的检测和识别来实现变电站的智能化管理； 通过安全行为识别和安全区域报警功能来实现对变电站内人员和设备安全的监督； 项目利用DeepSort算法实现作业现场移动目标跟踪定位。 【依赖】 NumPy sklearn OpenCV 【跟踪py文件说明】 detection.py：检测基类。 kalman_filter.py：卡尔曼滤波器实现和图像空间滤波的具体参数化。 linear_assignment.py：此模块包含最低成本匹配和匹配级联的代码。 iou_matching.py：此模块包含IOU匹配指标。 nn_matching.py：最近邻匹配度量的模块。 track.py：轨道类包含单目标轨道数据，例如卡尔曼状态，命中数，未命中，命中条纹，相关特征向量等。 tracker.py：这是多目标跟踪器类。 更多细节，请看资源内的项目说明

VGG-FACE 深度神经网络的训练数据集，需要自己运行python代码下载。

本代码做人脸识别的预处理，包含 直方图均衡化和 中值滤波。

数字图像处理的人脸识别和去噪声等功能，有样图和结果图

基于PCA和SVM的实时人脸识别： faceCapture:首先采集需要被识别人的人脸，每人采取10张，统一格式大小，放入人脸数据库中； ReadFace:读入训练的人脸数据； fastPCA:PCA降维； scaling:训练数据归一化； train:使用SVM支持向量机训练模型； imageAcquision: 读入人脸照片—>灰度化—>检测人脸—>扣出人脸—>归一化尺寸—>在训练集的特征子空间中降维—>在训练集每维的最大最小值上数据归一化—>利用训练好的模型预测—>显示

基于计算机视觉和机器学习的人脸检测及人脸识别系统源码+数据资料.zip本项目是基于OpenCV2跨平台计算机视觉和机器学习软件库的人脸检测及人脸识别系统， 采用Web应用作为用户和管理的交互页面。 系统人脸识别模块的图像处理采用PIL(Python Image Library)。 BPL是python的第三方图像处理库，但是由于其强大的功能与众多的使用人数，几乎已经被认为是python官方图像处理库了 软件架构 Flask：Flask是一个使用 Python 编写的轻量级 Web 应用程序框架。 OpenCV2：OpenCV2是一个跨平台计算机视觉和机器学习软件库。 LayUI：layui（谐音：类UI) 是一款采用自身模块规范编写的前端 UI 框架，遵循原生 HTML/CSS/JS 的书写与组织形式，门槛极低，拿来即用。且是国人开发，拥有较为完善的中文文档。 Pymysql及PooledDB：PyMySQL 是在 Python3.x 版本中用于连接 MySQL 服务器的一个库。DBUtils是一套Python数据库连接池包，并允许对非线程安全的数据库接口进行线程安全包装。

基于mtcnn+facenet网络实现简单人脸检测识别系统python源码+训练好的模型文件+项目说明.7z 这两个工程都是keras模型, 所提供的模型文件都只有权重没有网络结构, 我利用作者提供的网络定义和权重文件重新生成了带有网络结构的权重文件. 比如原先只有权重的模型文件pnet.h5, 生成含网络结构和权重的模型文件PNET.h5. 接着用keras2onnx工具把它(PNET.h5)转换成了onnx模型pnet.onnx, 其他胶水部分的逻辑没什么变化. 具体的转换代码请参考keras_onnx.py文件. 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。

Darknet/YOLOv4训练蒂法人脸识别模型 文件包括：darknet源码+蒂法图片+蒂法图片标注数据+训练配置+训练结果权重+测试图片和视频+测试结果文件 训练教程：https://feater.top/darknet/tifa-with-yolov4 视频测试效果：https://www.bilibili.com/video/BV1qL4y1T7ZB/ 训练平台为戴尔G15 1511 8核16线程 nvidia3060 土豪专用链接