脸部活跃度检测 描述 深度学习管道，能够发现人脸与合法人脸，并在人脸识别系统中执行反人脸欺骗。 它是在Keras，Tensorflow和OpenCV帮助下构建的。 样本数据集已上传到sample_dataset_folder中。 方法 检测伪造的面Kong与真实/合法面Kong的问题被视为二进制分类任务。 基本上，给定输入图像，我们将训练一个卷积神经网络，该卷积神经网络能够将真实面Kong与伪造/欺骗面Kong区分开。 该任务涉及四个主要步骤： 构建图像数据集本身。 实现一个能够执行活动检测器（Livenessnet）的CNN。 训练活动度检测器网络。 创建一个能够采用我们训练有素的活动检测器模型的Python + OpenCV脚本，并将其应用于实时视频。 创建一个Web平台以交互方式访问活动度检测算法。 该存储库的内容 sample_liveness_data：包含样本数据集。

人脸识别pt模型，模型准确率98%以上

JAVA海康威视isup方式demo包，与人脸考勤机打通。适用于人脸考勤机没有固定IP情况。

人脸检测demo 包括源代码和release编译好的可执行程序（已打包完成，可直接运行）。 开发环境：win10+qt5.9.1-msvc2015 x64+opencv4.5.4 可以从图片、视频、网络摄像头实时检测人脸。 需要加入新的人脸检测时，要在face_db文件夹下放一张该人的人脸截图，即可识别该人。

人脸识别（包括活体检测、摇头、点头、眨眼）扫描，身份证认证

需要在home.js getFaceInfo中修改为自己在百度人脸api申请的secret和key

基于opencv实现的人脸识别，可以通过摄像头获取所要识别的人脸，读取多个人脸并将中文名显示，具体可观看个人博客。 人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别人脸识别

该系统在使用时，通过非接触式卡片，不与设备直接接触触发人脸识别，只需操作人员在设备前一一系统概述系统概述二二系统组成及功能系统组成及功能人脸识别门禁系统最新Fa

用于人脸识别的人脸库，YALE.tar.gz

存放着等十多个简单人脸识别的代码工程，多数是结合QT实现，希望对所需要的人有所帮助，需要修改方可使用