麻雀 使用 OpenCV 和 Python 的计算机视觉应用程序，例如人脸检测、人脸识别、人脸跟踪、对象检测、3-D 重建……其中一些基于书籍，例如：OpenCV Computer Vision with Python (Joseph Howse)、Face Recognition withPython（菲利普·瓦格纳）

SVM各类相关论文及综述 可以帮助初学者了解SVM 还包括了一个人脸检测的例子代码Vc++ 帮助理解SVM

对输入的图片img进行多尺度行人检测，SVM分类超平面

代码解析参见：https://handsome-man.blog.csdn.net/article/details/102546634

MCT算法的C++版实现，基本参照论文Face Detection with the Modified Census Transform的算法。使用了两种分类器：Adaboost和Winnow分类器，Adaboost弱分类器级联，Winnow是最后一级强分类器

人脸关键点检测SDK Android版本，包含人脸检测和101人脸关键点检测两部分，使用非常简单，直接AAR包调用即可

基于树莓派3B+的实时多线程人脸haar检测算法。 使用opencv+python编写 操作系统：ubuntu mate 18.04

指示 MTCNN是人脸检测模型 中文介绍可以在找到 参考和 ，我修复了一些会出现在训练中的错误，添加了学习率表并优化了训练参数。他们最初提供的模型重量。 测试图片 MTCNN中的WiderFaceVal性能 MTCNN-原始的是原始体重参数的测试结果MTCNN训练的是我训练的测试结果 风格 简单的 中等的 难的 MTCNN原始 65.3％ 65.1％ 40.3％ 经过MTCNN训练 71.4％ 70.4％ 43.2％ 安装 1.pytorch 2.opencv 测试 单张图片 修改程序中的图像路径 python detect.py 训练模型 下载组织数据集目录，如下所示： ./data_set/face_detection/ WIDER_train/ images/ WIDER_val/ images/ 我已经制作了标签文件 ./a

一段人脸识别代码，python语言，可以运行在python2.7及以上，亲测可用。

OpenCV+python:人脸检测时人脸识别xml文件：haarcascade_frontalface_default.xml，haarcascade_frontalface_alt2.xml，haarcascade_eye.xml等文件下载