共包含1680张bmp图片，像素大小为40*50。共包含120个人的样本，每个人14张图片，不同表情，不同光照的情况下，另外有matlab的包，可以直接导入。

人脸识别数据集

此数据集为本人整理的公开数据集，用于人脸识别模型训练、情感分析、机器学习等。数据集为人脸图片，包含不同的情绪、性别、年龄等。图片均为JPG格式，数量约2.3万张。

真的气不过他们。理论研究应当秉持自由公开的原则，大家应该相互讨论，相互学习。由于没有办法设置成免费，所以这里我给了最低的分数。因为没有办法上传重复的资源，我自己添加了一个文本文件（数据文件只有一个mat文件）。

1.2需求分析 当前医院治安防控所部署的监控摄像机大多以覆盖面广为目标，全景布防为主要部署方式，没有针对于看清区域内人脸为目标进行监控布防，无法在监控视频中清晰辨认出号贩子等人员，而且就算现场标定了目标人员也无法在之后进行有效预防，耗时耗力，成效很小。针对当前医院视频监控实际现状，我们对人脸识别技术在医院挂号、看病、取药管理的实际应用尤其是打击号贩子、药贩子等人员的应用方面进行需求分析。 1、号贩子、药贩子识别 号贩子和药贩子倒号、倒药的行为严重损害了患者和医院的权益，必须严肃杜绝，需要利用人脸识别技术来有效判别这类人员以做到持续性预防预警，保障人民群众和院方的权益。 2、患者人卡核验 为了防止号贩子等通过替代人员挂号再转让给患者的方式达到倒号的目的，在患者这一层面也实行杜绝政策，需要利用人脸识别技术在诊室外获取患者人脸与其所持医保卡信息进行识别比对，核验是否为同一人，以达到断绝号贩子倒号来源的目的。 3、医生签到 为了更好地实现对医生的日常管理，保证上班医生的在岗时间，杜绝擅自离岗等行为，需要通过人脸识别技术对在岗医生进行人脸识别签到，实现全天不定时签到管理。

通过微信端（公众号）为客户提供用户预约（入园预约、人车出入、车位预约、工位预约）。客户通过线上渠道进行服务一键申请，完成服务电子化流程闭环。园区内通过技术手段进行服务升级，满足智慧化服务应用。

大华智慧企业AR云景解决方案依托AR守望者、人脸识别、车辆识别等设备，部署于企业园区制高点，采用AR增强现实技术，基于管理管理平台，将已建视频监控系统、高清卡口系统、人车结构化系统、AI布控等进行整合，将各系统在当前AR场景中进行结构化描述，AR增强现实与AI人工智能结合，通过与业务平台的结合，以视频图像作为全景地图展现，同时以画中画方式显示人脸布控、车辆布控等信息，可以让安保人员实时了解园区全局情况，提升企业园区安保运营管理效率。

人脸识别数据集 LFW+CAS_PEAL 光照子集

经典的ＢioID人脸识别数据集．包含1521张大约23个人的灰度图，pgm格式．原数据集背景过多不利于识别，已经用Ｄlib库裁剪过，裁剪后大小为224x224像素．已分类

ORL人脸数据集共包含40个不同人的400张图像，是在1992年4月至1994年4月期间由英国剑桥的Olivetti研究实验室创建。 此数据集下包含40个目录，每个目录下有10张图像，每个目录表示一个不同的人。所有的图像是以PGM格式存储，灰度图，图像大小宽度为92，高度为112。对每一个目录下的图像，这些图像是在不同的时间、不同的光照、不同的面部表情(睁眼/闭眼，微笑/不微笑)和面部细节(戴眼镜/不戴眼镜)环境下采集的。所有的图像是在较暗的均匀背景下拍摄的，拍摄的是正脸(有些带有略微的侧偏)。