人脸面部特征, 与生俱来, 具有唯一性、自然性、终身不变等特点, 因此人脸识别作为一种身份鉴别方式, 相比于传统的认证技术具有巨大的便利性优势. 然而人脸识别容易受到图片、视频、面具等伪造攻击, 由于其不可更改特性, 若生物特征发生泄漏或篡改, 会造成难以挽回的风险和损失. 本文提出的安全人脸识别解决方案, 通过特殊的安全人脸采集模组, 完成活体检测, 模组中通过人脸加密专用密钥, 对图片进行加密、签名处理, 同时在识别流程中的多重安全设计, 保证人脸生物特征的安全.

人脸检测，使用opencv加载ssd人脸检测模型实现人脸检测（python）版。文章：https://wanghao.blog.csdn.net/article/details/121491753

MTCNN（多任务卷积神经网络）人脸检测三个级联层pnet，rnet，onet的pb模型

机器学习人脸检测和识别（中文标记姓名） python+opencv+freetype 图文教程和项目源代码 图文教程 http://blog.csdn.net/wyx100/article/details/75675644

程序实现了人脸检测

matlab人脸检测嘴巴定位代码使用基于本地的信息检测面部地标 此处介绍的方法基于本地信息。 首先，使用传统的 Viola-Jones 对象检测框架进行人脸检测。 Viola-Jones 框架由类 Haar 特征提取方法和 Adaboost 分类器组成。 在人脸检测之后，使用相同的 Viola-Jones 框架来检测人脸区域。 从眼睛区域位置估计眉毛区域。 主动形状模型 (ASM) 用于使用主成分分析 (PCA) 对面部形状的变化进行建模，以确保初始形状模型处于完美位置。 用法： Matlab . exe - r Main 调试： 该代码已使用 JAFFE 数据库进行了测试，可在 . 如果眼睛界标失真，您可能需要更改此值 Line 24 - FaceBinary = imbinarize ( Face , 0.25 ); 如果嘴巴地标失真，您可能需要更改这些值 Line 42 - FaceBinary = imbinarize ( Face , 0.50 ); Line 44 - ImageMorph = bwareaopen ( ImageOutline , 150 ); 如果眉毛地

利用基于肤色的不同来划分出人脸区域，再根据特征的来定位人脸区域。

提取haar特征，使用 adaboost训练级联分类器，实现人脸检测。

视频检测跟踪技术是一门融合了图像处理、计算机视觉、模式识别、人工智能等学科的技术。所谓视频跟踪，是指对视频图像序列中的特定目标进行检测、提取、识别和跟踪，获得目标的位置参数，或者目标整体所占的图像区域，亦或是目标的运动轨迹等，从而进行后续深入的处理与分析，以实现对特定目标的行为理解。目标检测跟踪技术在诸如安全与监控系统、交通控制系统、定位导航系统、虚拟现实等诸多方面均有广阔的应用，具有重要的军事、商业价值。而人物追踪技术一直是当代的热门技术话题之一，其研究和发展能够更好的改善人们的生活。基于树莓派的人脸追踪系统是这一技术发展的重要体现。

有十几个人的灰度图片，每个人有十几张照片，包括不同的面部表情。