本人已将人脸识别的代码写成PHP的Demo，适合快速上手，有说明书，有实例，有表情包，有注释。简单易懂。下载后直接解压到www，通过本地服务器访问就行了

Pro-face GP4100系列简明使用手册pdf,Pro-face GP4100系列简明使用手册

人脸防欺诈综述

使用特征学习的主要挑战之一深度卷积神经网络（DCNN）用于大规模人脸识别是适度损失的设计可以增强判别力的功能。中央损失会惩罚深层特征之间的距离他们相应的班级中心在欧几里得空间实现类内的紧凑性。 SphereFace假设最后完全连接的线性变换矩阵层可以用作类的表示在角度空间中居中并因此惩罚角度在深层特征及其相应权重之间以乘法的方式最近，热门研究将保证金纳入公认的亏损函数为了最大化人脸分类的可分离性。在本文中，我们提出了一个附加的角余量损失（ArcFace）获得用于面部识别的高度区分性功能。拟议的ArcFace具有清晰的几何解释由于它与测地距离精确对应在超球上。我们可以说是最广泛的针对所有最新技术的实验评估十种面部识别基准的面部识别方法其中包括一个新的大型图像数据库拥有成千上万的货币对和大规模的视频数据集。我们表明ArcFace的性能始终优于且可以通过微不足道的计算轻松实现高架。

大年龄段是自动面部识别的严重障碍。 尽管已经报告了许多令人鼓舞的结果，但是由于老化过程导致的类内差异很大，它仍然是一个具有挑战性的问题。 在本文中，我们主要侧重于寻找一种具有表现力的年龄不变特征，从而使其对人际差异具有鲁棒性，对不同主体具有歧视性。 为了实现这一目标，我们将原始特征映射到一个新的空间，在该空间中，该特征对于因面部图像老化而引起的噪音和较大的人际变化是很健壮的。 然后，我们进一步将映射的特征编码为年龄不变的表示形式。 经过映射和编码后，我们获得了稳健而有区别的功能，可以实现年龄不变的人脸识别的特定目的。 为了展示我们方法的有效性和通用性，我们在两个知名的公共领域数据库进行了实验，以进行年龄不变的人脸识别：跨年龄名人数据集（CACD，最大的公开可交叉使用年龄face.dataset）和MORPH数据集。 实验表明，我们的方法在这两个具有挑战性的数据集上均达到了最新的结果。

面部识别python-django 面部检测和面部识别，以及从数据库中获取的已识别人员信息。 通用语言和版本 • Python version: 2.7.14 • Django version: 1.11.9 • OpenCV version: 3.4.0 • Sklearn version: 0.19.1 • Mysql Database 更改mysql设置 go to settings.py under faceRecog folder. change database configuration under DATABASES object. 跑 - python ma

人脸识别 该存储库包含使用带有tkinter gui界面的openCV和python进行面部识别的代码。 如果要测试代码，请运行train.py文件 使用的技术：-openCV（开源计算机视觉）-Python -tkinter GUI界面 在这里，我正在使用OpenCV（Python）开发基于面部识别的考勤管理系统。 只需面对照相机，即可标记出他们的出席情况。 怎么运行的 ： 当我们运行train.py时，将打开一个窗口，询问输入ID和输入名称。 输入名称和ID后，我们必须单击“拍摄图像”按钮。 通过单击“拍摄图像”，将打开正在运行的计算机的摄像头，并开始拍摄人的图像样本。此ID和名称存储在StudentDetails文件夹中，文件名为StudentDetails.csv。 它以60张图像为样本并将其存储在TrainingImage文件夹中。完成后它会通知iamges已保存。 采集图像

OpenCV实现的SSD人脸检测器，基于深度学习框架Tensorflow训练的模型。

虹软人脸识别的java语言sdk资源，可进行人脸检测，人脸跟踪，人脸对比，人脸查找，人脸属性，活体检测等

face学习资料