利用一对CNN来提取一对图像特征，然后通过欧氏距离（经典如Saimese网络）或者通过全连接网络（Matchnet）来实现特征的对比，最后通过交叉熵函数来完成优化。

resnet_ssd_face_detection 说明        用 OpenCV 调用 Caffe 框架以及训练好的残差神经网络进行人脸检测     流程 加载模型     - .prototxt 为调用 .caffemodel 时的测试网络文件     - .caffemodel 为包含实际图层权重的模型文件

人脸识别Python项目源代码

使用CNN和CRF进行人脸分割 我们尝试不同的方法来完成人脸分割： 。 型号和更多详细信息，请访问Aaron Jackson的。 我们将CRF添加为后处理。 CRF由实现。 。 原始。 根据地标生成凸包。 在使用所有三种方法之前，我们先检测界标并裁剪图像。 代替在A CNN Cascade for Landmark Guided Semantic Part Segmentation标检测网络，我们使用来检测在大型姿态图像上效果很好的地标。 我们还尝试了其他方法来裁剪图像。 代号 face_segment_part.py：用于地标制导语义部分分割的CNN级联。 face_segment_yuval.py：关于面部分割，面部交换和面部感知。 face_segment_contour.py：检测到地标并获得凸包。 依存关系 请为face_segment_yuval.py下载 （最低版

通过KL变换实现特征提取从而达到表情识别以及人脸识别的目的

face_recognition 项目名称为：自建数据集人脸识别。该项目利用电脑自带摄像头或者已有照片进行人脸数据集建立，再进行人脸检测，人脸识别，人脸预测，包括数据采集、数据预处理、建模、模型训练、模型使用预测全过程。项目使用Openc3进行数据采集、数据预处理，Keras 进行建模，模型参考了VGG16网络，包含4个卷积层，5个LeRu层，2个池化层，3个Dropout层，2个全连接层，1个flatten层，1个分类层，共18层。 更多内容，请看代码中的 read_me.pdf ！

主要为大家详细介绍了OpenCV+face++实现实时人脸识别解锁功能，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

基于Face++的SDK，实现的人脸特征点定位工具。重写了源文件中的一些json解析代码和命令请求代码。可以实现83点与106点探测的切换。返回数据存储在一个vector中，使用opencv显示程序就可以看到。使用前需要在Face++官网上注册账户并配置应用，将相应的APPID和密码写到main函数里的对应位置就可以。

Face Analyzer 是一款基于深度学习的人脸分析器插件，接受了 150000+ 个数据集和适用于 Unity C# 的 OpenCV/NCNN API 的训练：人脸特征检测、头部姿势估算、性别年龄估算、种族判别（白人/黑人/其他）、面部表情估算。仅供学习，请勿商用

很经典的人类识别论文，大家可以看看，特征脸识别的文章