脸活体验证是人脸识别过程中重要的一环，主要区分真实的人脸与假脸图像，能够识别通过纸张打印，屏幕翻拍，3D模型等场景的欺骗行为。我们在算法设计阶段，尝试了不同的方法，包括SVM，LBP，深度学习等，针对单一场景或者摄像头，能够获得不错的效果，但是没有得到一个能够兼容多种摄像头的活体算法，我们将我们训练的其中一个模型开放出来，逆光等情况下效果不是很好，可以作为参考。 依赖 基于mobilenet-0.5 OpenCV 3.4.3以上 MTCNN人脸检测 凯拉斯，TF Python3 运行 python src / demo.py

使用cGAN的人脸生成器（后端） 我们提出并使用cGAN模型（ ）进行了实验，以从草图生成人脸。 数据是从数据集中准备的，其中包括8303张女性面部图像。 此是将模型与 Python Web框架集成的后端部分。 它提供RESTful-API请求并返回生成的图像。 披露：模型实现由@junyanz用。 查看他的项目 。 我们将其用于保留研究和实施。 要求 在 3 ： pip install flask 所有培训部分均在 git clone https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix cd pytorch-Cycle

完整 AR 人脸数据集 126 people (over 4,000 color images). Different facial expressions, illumination conditions and occlusions.

vgg脸 使用PyTorch的人脸分类Python脚本 需要安装PyTorch 运行test.py文件 从获得的原始Caffe模型和测试图像/names.txt 从获得的.h5和

CMU_PIE_Face，包含68个人，每人170张不同姿态光照表情下的图片，均为jpg，32*32

Zeusee配合型人脸活体检测 在移动端进行人脸识别应用开发的时候，经常存在用户会使用翻拍照片录制录像等来欺骗人脸识别系统，因此活体检测是人脸识别和人脸验证中非常重要的一个部分，同时目前开源活体检测代码的补充，但配合型活体检测实现相对比较简单，因此我们可以做到简单的实现，并并进行了所有的代码。 更新 增加了基于IntraFace活体检测（2018.03.30） 单目配合型活体检测 由于移动端传感器的有限性，在广泛只有单个现有放置摄像机的情况下，非配合型的人脸活体检测实现相对比较复杂。需要的数据成本也相对较高。而配合性活体检测仅需要通过用户简单的低头摇头操作即可极大降低用户的欺骗攻击成本。 基本

人脸识别门禁系统 可以在线实时的检测人脸，是实时的不需要上传图片，对于已经录入人脸库的，可以显示通过，支持后台注册人脸，以及管理人脸库的信息，后期还会加入每日检测历史记录。 开发日志： 2018-6-14添加了日志模块，可以查看人脸登录信息，成功或失败都会显示出来 2018-6-9 对手机端进行了页面支持，可以在微信中直接打开视频流 2018-6-5添加了登录功能，管理员需要登录 完善了门禁界面，采用自动化人脸采集，界面更加洁净，当有人脸出现时，能够识别并在弹窗中显示采集到的照片和验证信息，弹窗固定时间后自动消失，进行下一次比对,技术就是多个计时器和定时器联动使用。 最新版本图，自动采集 下面是效果图

hog svm matlab代码滑动窗口人脸检测 描述 使用定向梯度直方图 (HOG) 和支持向量机 (SVM) 区分实际人脸对象和非人脸对象。 实现基于Matlab。 源代码位于名为“code”的目录中 必要的数据集位于名为“data”的目录中

Steven Levy ZP.zip 快速的face怎么实现的呢？这个开发的过程很重要！Steven Levy ZP.zip 快速的face怎么实现的呢？这个开发的过程很重要！