（想上传免费的资源，但是积分是平台自动生成的）下载后解压，在浏览器中打开上传图片就可以识别

图片后缀名为bmp的ORL 人脸数据库，包含400张图片，40个人，每人10张照片。

针对当下网上下载的ORL_face ，图像主要都是PGM格式的，本人经过处理，将其整合好一起，供大家使用（每个文件下分别包含PGM格式和BMP格式）。另外：需要PGM转BMP处理code可以联系我。

人脸变形项目 将源图像中的人脸转换为目标图像中的人脸，并为同一视频生成视频。生成中间图像，可以显示从源图像到目标图像的平滑转换。 先决条件： Cv2是读取，显示和写入图像的必需元素，而os模块仅用于连接中间图像以使用cv2.VideoWriter（）制作视频是必需的。 由于os模块已预先安装在python中，因此无需重新安装。 变量及其说明： img是源图像，img2是目标图像，img3用于存储中间图像。 xs是用于存储源图像控制点的x坐标的数组xs [0]是左上角，xs [1]是右上角，xs [2] xs [3] xs [4]是2眼和下巴xs [5]和xs [6]分别是底角。 类似地，xd是用于存储目标图像控制点的x坐标的数组。 ys和yd存储控制点的y坐标。 帧函数中的变量be和al分别为Beta和Alpha（仿射坐标）fr用于更改中间图像的数量。 如果fr = 2，则只有一个中间

基于Haar分类器与五官检验的人脸检测，使用了Haar特征和积分图的概念和理论，MATLAB程序

kaggle2018年耶鲁大学公开的人脸表情识别数据集，该数据集包含15个受试者的165个GIF图像（subject01，subject02等）。每个主题有11个图像，一个用于以下每个面部表情或配置：中心光，带眼镜，快乐，左光，没有眼镜，正常，右光，悲伤，困，惊讶，和眨眼。

人脸识别手册(Handbook_of_Face_Recognition) 中科院自动化所李子青的大作，经典人脸识别学习手册，值得收藏。

在《人脸老化之二学习研究相关图像处理知识（Dlib库的使用）》中参考http://www.learnopencv.com/face-morph-using-opencv-cpp-python/进行基于两个人脸的融合变形，介绍实现第三步的过程。

Android人脸检测 概述 这是Google人脸检测API的示例演示，它可以一次检测多张人脸。 演示版 要求 安装了Android Studio 3.0或更高版本。 此设备上安装了Google Play服务版本11.4.0或更高版本。 人脸检测概念概述 Google Face API仅提供人脸检测功能，而不提供人脸识别功能。 它具有查找地标的能力，例如左眼，右眼和鼻根。 。

情感极性CoreML演示 使用CoreML框架进行情感极性分析的演示应用程序。 模型 是使用 python软件包从转换而来的。 该模型基于分类器，能够区分具有最佳CV分数= 0.801013024602的正面和负面句子。 使用数据集对产品和服务进行了培训。 通过使用进行特征提取可以提高准确性，但是目前不支持此功能。 要求 Xcode 9 iOS 11 安装 git clone https://github.com/cocoa-ai/SentimentCoreMLDemo.git cd SentimentCoreMLDemo open SentimentPolarity.xcodeproj/