matlab的egde源代码 LBP-DBN-face-recognition 使用LBP特征提取算法提取人脸特征，DBN网络来实现人脸识别，测试数据库-ORL数据库，识别率可达90%以上 ###工程使用方法： clone下工程，要根据实际情况修改test_example_DBN.m中的文件路径 我们在该文件中，a=imread(strcat('E:\My RBM-DBN matlab\ORL\ORL\s',num2str(i),'_',num2str(j),'.bmp')); ###工程说明： ####英文简称注释： DBN-深度信念网络、RBM-受限的玻尔兹曼机 、LBP-局部二值模式 ####几点说明： 0-这个程序的功能，使用DBN算法来实现人脸识别，数据库使用ORL数据库，在迭代次数达到3000时，识别准确率98%左右 2-此程序还附带了画学习曲线的功能，画正则参数，隐层结点数，训练样本数的学习曲线 3-DBN是有几层RBM构成，我这个程序实现的是4层网络，输入层-隐层1-隐层2-输出层 4-DBN的训练基本上分为两步，先用RBM的训练方法训练网络得到初始值，来初始化整个网络

dlib模型文件

INeedBiliAV - BilibiliDown Bilibili 视频下载器，用于下载B站视频。 以下多图警告 :grinning_face_with_smiling_eyes:特性 支持UI界面(自认为是傻瓜式操作) 支持扫码/密码登录(能看=能下，反过来也一样) 支持各种链接解析(直接输入BVXXX/avXXX，或者各种网页链接， V4.3 新增画廊/相簿解析)不再支持番剧解析！！ 支持自定义各种链接解析(V5.8新增) 支持收藏夹下载 支持稍后再看下载 支持UP主视频/频道下载 支持断点续传下载(因异常原因退出后, 只要下载目录不变, 直接在上次基础上继续下载) 支持CC字幕下载 支持互动视频下载 支持课程视频下载 支持相簿图片下载 :grinning_face_with_smiling_eyes:关于下载速度 默认最大同时下载数为3，有需要可以在config/app.config更改(不推荐) 关于下载速度，和下载任务数、配置、网络条件等相关，直接上截图 :grinning_face_with_smiling_eyes:使用方法 安装(可选

该程序是为人脸表情识别研究实验人脸预处理阶段而开发的半自动人脸裁剪系统，因为大部分人脸表情数据库都是未经裁剪/裁切的，而去除背景是人脸表情识别预处理的重要一步。网上有很多人脸数据库，但大部分是未经裁剪/人脸裁切处理的，不能直接用于人脸表情识别试验。 该程序是为人脸表情识别研究实验人脸预处理阶段而开发的半自动人脸裁剪/人脸裁切系统，因为大部分人脸数据库都是未经裁剪的，而去除背景是人脸表情识别预处理的重要一步。 图像归一化为64*82大小，归一化方案请参见张一鸣，《人脸表情识别》。采用OpenCV+MFC制作，不提供源代码。用到的同学可以下载。 敬告：因为本程序读取.tif格式图像使用OpenCV函数，而.tif格式本身的复杂性导致没有通用的读取函数，故对有些.tif图像可能会出问题。

face_mask_detection.pb

dlib在python3.8，windows 64位环境下程序包，pip安装即可使用，免环境配置。可以用于face_recognition 使用方法： pip install dlib-19.22.0-cp38-cp38-win_amd64.whl

一个使用JavaCV和OpenCV简单人脸检测程序。 实现面部特征提取和面部识别。

Face Tracking Pan-Tilt Camera 目录 一. 概述 本项目为基于OpenCV-Python和STM32F103单片机的二自由度人脸跟踪舵机云台系统。 本系统的预期功能是实时检测摄像头中出现的人脸，并对其进行跟踪。要实现该功能，主要应解决如下问题： 图像采集 人脸检测 舵机控制 具体实现思路如下： 图像采集方面，使用普通的usb摄像头，这样可以直接得到数字图像无需进行数模转换，而且价格低廉，在不要求高精度的情况下比较适合。将usb摄像头直接通过usb数据线接到电脑，即可在PC端得到实时图像。 人脸检测方面，在PC端编写用于人脸检测的python程序。使用opencv库，首先对从摄像头得到的每一帧实时图像进行预处理，然后调用opencv自带的harr分类器检测人脸的位置。将检测到的人脸的中心点坐标用串口发送给STM32单片机即可。 舵机控制方面，使用STM32单片机，

毕业设计：基于深度学习的人脸识别签到系统的设计与实现 准备： 安装virtualenv: pip install virtualenv 创建虚拟环境: virtualenv venv 进入虚拟环境: venv\Scripts\activate 安装依赖的包: pip install -r requirements.txt 运行： 更新数据库：python app.py db upgrade 生成管理员用户：python app.py init 运行：python app.py runserver 初始管理员账户： 学号：000000 密码：666666

使用OpenVINO进行面罩检测 细节 程式语言： 英特尔OpenVINO工具套件： Docker（预装了Ubuntu OpenVINO）： 使用的硬件： 英特尔:registered:酷睿TM i7-8750H CPU @ 2.20GHz 设备： 中央处理器 博客文章 参观者 面罩检测应用程序使用深度学习/机器学习来识别用户是否未佩戴口罩并发出警报。 通过使用经过预训练的模型和带有OpenCV英特尔OpenVINO工具包。 这使我们能够使用异步API，该API可以提高应用程序的总体帧速率，而不必等待推理完成，而是可以在加速器繁忙时继续在主机上运行应用程序。 此应用程序对同时运行的“面部遮罩检测”和“面部检测”网络执行2个并行推理请求。 使用以下一组预训练的模型： ，这是用于查找人脸的主要检测网络。 面罩检测，这是用于检测面罩的预训练模型。 可以改进此应用程序，然后将其与CCTV或其他类型的摄像机集成在一起，以检测和识别在购物中心等公共场所没有面具的人。在全球范围内，这种数量不断增长的COVID-19案例在控制应用中可能很有用。病毒传播。 什么是Open