CompreFace-Exadel的开源人脸识别系统 CompreFace是一项免费的人脸识别服务，可以轻松集成到没有事先机器学习技能的任何系统。 ··· 面对面 总览 CompreFace是用于人脸识别的基于docker的应用程序，可以集成为独立服务器或部署在云中，并且无需机器学习专家即可进行设置和使用。 我们的方法基于深度神经网络，它是最流行的面部识别方法之一，并提供了便捷的REST API，用于Face Collection训练和面部识别。 我们还提供了一个角色系统，您可以使用它轻松控制谁可以访问Face Collection。 每个用户都可以创建自己的模型，并在输入数据的不同子集上对

交管大数据人脸识别系统（Html模板、大数据模板、大屏echarts模板）.zip

matlab BP神经网络人脸识别系统

人脸识别系统的设计与开发.pdf

基于计算机视觉和机器学习的人脸检测及人脸识别系统源码+数据资料.zip本项目是基于OpenCV2跨平台计算机视觉和机器学习软件库的人脸检测及人脸识别系统， 采用Web应用作为用户和管理的交互页面。 系统人脸识别模块的图像处理采用PIL(Python Image Library)。 BPL是python的第三方图像处理库，但是由于其强大的功能与众多的使用人数，几乎已经被认为是python官方图像处理库了 软件架构 Flask：Flask是一个使用 Python 编写的轻量级 Web 应用程序框架。 OpenCV2：OpenCV2是一个跨平台计算机视觉和机器学习软件库。 LayUI：layui（谐音：类UI) 是一款采用自身模块规范编写的前端 UI 框架，遵循原生 HTML/CSS/JS 的书写与组织形式，门槛极低，拿来即用。且是国人开发，拥有较为完善的中文文档。 Pymysql及PooledDB：PyMySQL 是在 Python3.x 版本中用于连接 MySQL 服务器的一个库。DBUtils是一套Python数据库连接池包，并允许对非线程安全的数据库接口进行线程安全包装。

基于mtcnn+facenet网络实现简单人脸检测识别系统python源码+训练好的模型文件+项目说明.7z 这两个工程都是keras模型, 所提供的模型文件都只有权重没有网络结构, 我利用作者提供的网络定义和权重文件重新生成了带有网络结构的权重文件. 比如原先只有权重的模型文件pnet.h5, 生成含网络结构和权重的模型文件PNET.h5. 接着用keras2onnx工具把它(PNET.h5)转换成了onnx模型pnet.onnx, 其他胶水部分的逻辑没什么变化. 具体的转换代码请参考keras_onnx.py文件. 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。

基于DM642，人脸检测使用adaboost算法，人脸识别采用小波变换改进离散余弦变换。用CAJViewer7.0打开。

基于ARM9嵌入式平台的人脸识别系统设计。

基于机器学习的人脸识别系统设计与实现, ，系统主要是用Python语言实现，人脸识别系统中用到的CNN算法的详细介绍，TensorFlow搭建了军阿基神经网络模型，实现了对模型的评估、搭建，测试，使用前请务必查看说明文档

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。