yolov5人脸检测

本人翻译的Insight Face论文：ArcFace: Additive Angular Margin Loss for Deep Face Recognition。由于水平有限，因此文中很多名词不明白怎么翻译，还有可能存在一些地方有错误翻译，建议对照英文版原文比对着看。如果发现有翻译错误的，还请见谅并且通知我，或者有更好的理解，欢迎交流，谢谢。

原文是：Joint 3D Face Reconstruction and Dense Face Alignm 在看论文的时候顺便把中文翻译搞出来，方便需要的朋友。

face-party-APP创业计划书.doc

face_recognition_py 本项目基于OpenCV使用Haar级联分类器实现人脸检测，与dlib库进行实时跟踪，应用LBPH算法开发了一个功能相对完整的人脸识别系统。系统采用MySQL进行数据存储，能够进行学生上课考勤人脸点名的功能，并拥有基于PyQt5设计的GUI实现。 系统预览 核心框架 人脸采集 数据管理 如何运行？ 以下操作基于Anaconda3环境，并在Windows10 x64上测试。 克隆代码 $ git clone https://github.com/kuronekonano/Face-Recognition-Based-Attendance-System.git $ cd Face-Recognition-Based-Attendance-System 创建Python虚拟环境 $ conda create -n opencv python=3.6 $ ac

使用BPNN的人脸识别。 包含1.使用Matlab的反向传播神经网络（自定义代码）代码进行人脸识别。 2.使用Matlab的反向传播网络（内置）代码进行人脸识别。该项目目前已关闭，Adeel Raza Azeemi

仅供参考

matlab快速非支配算法代码 （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 VL Feat Matlab参考： ＃＃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，训练线性分类器（HoG模板），并使用分类器以多个比例对数百万个滑动窗口进行分类。 幸运的是，线性分类器结构紧凑，训练Swift，执行速度快。 线性SVM还可以训练大量数据，包括开采的硬底

实时面部表情识别 使用Tensorflow-Keras API中的转移学习（计算机视觉）进行面部表情识别或面部表情识别

头盔检测_面部识别 一个建筑工地，头盔矿工，电工，建筑工人等类型的要求在工作中佩戴，可以有效地保护人员的安全，但是由于一系列不戴头盔的事故而引起的，给我们打了个电话，一些员工在工作本身没有戴头盔的情况下会增加安全风险，请稍加注意，以便有可能“发现”安全风险或事故。因此，在我们的项目中，将计算戴头盔的人数，不戴头盔的人数建议戴上必要的头盔。摄像机会检测到头部的数量，没有头盔的头部会标有红色斑点，并且还会检测到头盔，手套和鞋子，如果不戴，则这些部位也会显示为：红点。