人脸识别训练人脸库全集

包含了1521幅分辨率为384x286像素的灰度图像。 每一幅图像来自于23个不同的测试人员的正面角度的人脸。

LBPH算法粗略地将检测到的人脸分成小单元，并将其与模型中的对应单元进行比较，对每个区域的匹配值产生一个直方图。LBPH 是唯一允许模型样本人脸和检测到的人脸在形状、大小上可以不同的人脸识别算法。代码部分采用Opencv与Python编程，并且将LBPH算法和 Eigenfaces 算法与Fisherfaces 算法进行人脸识别效果比较，准确率达到97%以上(目前在识别黑人时代码效果不佳)

我们的脸部数据库（以前的'ORL脸部数据库'）包含一组1992年4月至1994年4月在实验室拍摄的脸部图像。该数据库用于与 剑桥大学工程部 言语，视觉和机器人小组合作开展的面部识别项目。 每个40个不同的主题有10个不同的图像。对于某些科目，图像是在不同的时间拍摄的，改变了照明，面部表情（开放/闭眼，微笑/不微笑）和面部细节（眼镜/没有眼镜）。所有图像都是在黑暗的均匀背景下拍摄的，拍摄对象处于直立的正面位置（对某些侧面运动具有宽容度）。可以使用面部数据库的预览图像。 这些文件采用PGM格式，可以使用'xv'程序方便地在UNIX（TM）系统上查看。每幅图像的大小为92×112像素，每像素有256个灰度级。这些图像被组织在40个目录中（每个主题一个），它们具有表单的名称 sX，其中X表示主题编号（介于1和40之间）。在这些目录的每一个中，该主题有十个不同的图像，其具有该形式的名称 Y.pgm，其中Y该主题的图像编号（在1和10之间）。

自己收集的一些人脸数据库，特别是用程序进行了批量修改20x20的人脸，将其pcm格式转成了常用的bmp格式。

基于OpenCV读取摄像头的人脸检测和识别，人脸检测使用别人训练好的数据进行检测，程序可以选择特征脸、fisherface或LBP方法来实现人脸识别。

OpenCV人脸识别实例源码， C++ 人脸检测 人脸识别 框选 vs2013下编译通过

安卓opencv实现人脸检测，人脸识别，人脸对比，实现opencv对图像的翻转，镜像等操作。实现多人检测

本文使用的是一套 MIT 的人脸训练样本库， 共有样本 7,087 个， 其中人脸 样本 2,706 个， 非人脸样本 4,381 个。

经本人测试通过，可以运行，人脸检测人脸识别效果都很好，可以用于毕业设计，一个完整的人脸识别系统源代码，