PCA降维，基于稀疏表示和支持向量机的人脸识别。

我们提出两级遮挡识别GAN，如图1，来消除任意面部遮挡，使去遮挡过程更加透明。在其中，两级GANs有不同工作，第一个生成器G1用于合成遮挡的图像（分离遮挡），第二个合成器G2用于合成去遮挡的图片。 传统的人脸完成方法试图通过一个阶段直接恢复无遮挡人脸，如图一（a）。相反，我们的G1首先分离出遮挡，再将其作为G2的输入来生成更精确的未遮挡图像。

基于FACE 和Android平台的考场人脸识别系统.pdf

Pro-face GP-PRO/PB C-package03 中文升级补丁exe,Pro-face GP-PRO/PB C-package03 中文升级补丁

FaceLandmarksDetection：查找图像中的面部特征，例如面部轮廓，眼睛，嘴巴和鼻子

完美实现Android相机的所有功能，包括拍照，录像，人脸识别。

video-face-3d 人脸工具包大杂烩，主要整合了近年来的SOTA的一些方法，包括视频人脸追踪，68关键点检测，三维人脸3DMM参数标注，shape-from-shading等 依赖 pytorch 0.4.1以上 tensorflow 1.0 以上 neural_renderer_pytorch 安装 安装本代码前请先确保安装了pytorch,tensorflow以及neural_renderer_pytorch neural_renderer_pytorch安装说明 如果你是Linux或者Mac用户，请直接pip install neural_renderer_pytorch 如果你是Windows10用户，请参考 进行安装 下载本代码依赖的静态资源文件，解压到/VideoFace3D/data，下载链接，密码 rle5 推荐使用develop模式安装代码 python se

MATLAB典型代码 （示例面部检测结果来自anXDdd。） 项目4：带有滑动窗口的人脸检测 简短的 截止时间： 1月1日，晚上11:59。 所需文件：results / index.md和代码/ VL Feat Matlab参考： 先决条件 安装tqdm： conda install -c conda-forge tqdm 概述 滑动窗口模型在概念上很简单：将所有图像块独立地分类为对象或非对象。 滑动窗口分类是对象检测的主要范例，特别是对于一个对象类别-面Kong-它是计算机视觉最引人注目的成功之一。 例如，现代相机和照片整理工具具有出色的人脸检测功能。 这些成功的面部检测（通常是对象检测）可以追溯到有影响的工作，例如和。 您可以查看这些文件，以获取有关如何实现检测器的建议。 但是，对于该项目，您将实现的更简单（但仍然非常有效！）的滑动窗口检测器。 Dalal-Triggs不仅着重于学习，还更着重于表示，并介绍了类似于SIFT的梯度直方图（HoG）表示（如右图所示）。 因为您已经实现了SIFT描述符，所以不会要求您实现HoG。 但是，您将负责其余的检测管道-处理异构训练和测试数据，训

This data is a subset of CMU_PIE face database, which contains 7576 images of 68 persons. For each person, all frontal images are taken from four subsets in an orderly way: expression subset,illum subset,lights subset and talking subset. Each image is cropped to the size 112x100 from the original image by using the software face++.

对标商汤和face++的人脸识别关键点/人脸特征点，无抖动和对环境有很好的鲁棒性。