最近在做疲劳检测相关研究，找到的一些数据，贴到这里，不知道有没有用。

作者：安德烈·维特（Andre Veit） 领英（LinkedIn）： : 电子邮件： 信用卡欺诈检查 不平衡数据的分类和异常检测 关于本笔记本 欺诈并不是什么新鲜事物，事实上，据《您的钱》网站称，第一个欺诈记录发生在公元前300年。 如今，在互联网和数字化以惊人的速度增长的世界中，每天都通过网络实现数百万笔交易和其他操作。 这意味着欺诈者有很多机会。 幸运的是，相对而言很少。 不幸的是……这个事实使他们很难被抓住。 本笔记本的目的是探索几种处理异常检测和高度不平衡的数据集的方法。 概述： 数据探索与准备 无监督学习-异常检测 2.1。 隔离林2.2。 局部离群因子 监督学习-分类 3.1。 逻辑回归3.2。 随机森林3.3。 支持向量机 自动编码器-无监督和半监督学习 4.1。 无监督学习4.2。 半监督学习 数据集 该数据集来自Kaggle网站，可以通过以下链接找到：

内含有10926张环境图片和18587张人脸图片，适合用于opencv人脸检测训练集

该存储库是用于在计算机视觉中使用pcl和tensorflow的沙箱（实验代码） “细分”是利用pcl从深度传感器中捕获3d点云，应用SAC细分以去除大型平面，通过pcl欧几里德聚类提取从场景中提取细分/数据/模型中预定义3D模型的候选实例，进行分类的管道他们使用点网将其放入预定义的对象集中，然后通过pcl SampleConsensusPrerejective估计其姿势 使用的软件包： python 3.5 x64 https://www.python.org/downloads/release/python-350/ pip install --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.0.0-cp35-cp35m-win_amd64.whl pip install scipy

能够高效检测人脸是否佩戴口罩的opencv分类器文件，训练方法以及配套python使用可参考下面两篇文章： https://blog.csdn.net/meenr/article/details/115825671 https://blog.csdn.net/meenr/article/details/109298042

ENVI遥感影像处理

采用大量样本已经训练好的十多个OpenCV分类器xml文件，分别可以用来检测人脸，人体，人头，检测率高

很好用 经过大量的图片训练过的分类器 20*20的人脸图片训练得到

matlab脑电波有正常信号与疲劳信号，通过构建svm分类器，进行SVM分类

https://blog.csdn.net/lyq_12/article/details/83346833中行人检测的源码，使用到的训练好的检测器就是这个附件。