眼角、瞳孔中心、鼻孔和嘴角检测

一、课题介绍 该课题为基于眼部和嘴部的疲劳驾驶检测。带有一个人机交互界面GUI，通过输入视频，分帧，定位眼睛和嘴巴，通过眼睛和嘴巴的张合度，来判别是否疲劳。 二、操作步骤 第一步：最好电脑安装的是MATLAB 2010以上的版本，兼容性比较好。第二步：如图：打开MATLAB软件，点击红色圈出来的按钮，找到demo.m文件所在的文件夹，选择并加载到当前文件夹工作区。 第三步：双击打开demo.m文件。（注意是.m文件，不是打开.fig文件，否则可能会报错） 第四步：点击绿色的“运行”按钮，如图中红色圆圈圈出的地方 第五步：弹出界面，如下图所示：按照界面按钮依次进行操作即可。

算法流程： 本系统运用PCA算法来实现人脸特征提取，然后通过计算欧式距离来判别待识别测试人脸，本个系统框架图如下： 图： 人脸识别系统框架图 整个系统的流程是这样的，首先通过图像采集建立人脸库，这个人脸库里的人脸图像必须是格式及像素统一的，然后针对库里的人脸进行人脸训练，利用PCA进行人脸特征提取，获取特征矩阵向量组，将测试人脸投缘到特征子空间中，运用欧氏距离，在人脸库里查找相应的人脸图像，并输出。 二、算法介绍 基于PCA算法的人脸特征提取 2.1PCA的基本原理 PCA中文全称主成分分析 法（Principal Componen

利用opengl实现瘦脸等脸部微调，VS2019的c++工程，环境都在里面，可以直接运行看效果。特征点利用dlib识别出来的。

针对人脸检测问题中快速性与准确性难以同时满足的情况，提出了一种将肤色和脸部特征相结 合的方法来检测人脸。由于通过基于肤色的算法能快速定位出人脸大致位置，因而检测速度能达 到实时的要求；同时利用脸部特征进一步细检，可保证检测的精确性。

用於“使用python脸部追踪”，只要有安装python及openCV及其相关的module，就可以立即使用，此外，“haarcascade_frontalface_alt.xml“这个档案必须和 face_tracking.py放在同一个目录

在OpenCV基础上，完成了Unity脸部识别及自动选取最佳截图

daz导入iclone需要用到的脸部关键帧，包含Genesis1、Genesis2、Genesis3、Genesis8版本，带教程

数字图像处理是计算机科学专业的一门基础学科，而其中人脸识别及分割又是其中最为经典不可缺失的一部分。本文采用MATLAB- VISION包中强大的图像识别功能，对目标图像进行人脸识别。VISION中的级联分类器具有识别人脸，嘴巴，鼻子，左右眼等功能。并且准确度高，能在较为复杂的环境下识别出目标。

使用迁移学习做动物脸部识别：人工智能通过农场的摄像装置获得牛脸以及身体状况的照片，进而通过深度学习对牛的情绪和健康状况进行分析，然后帮助农场主判断出那些牛生病了，生了什么病，那些牛没有吃饱，甚至那些牛到了发情期。除了摄像装置对牛进行“牛脸”识别，还可以配合上可穿戴的智能设备，这会让农场主更好的管理农场。这些数据上传到云服务器上，用自己开发的算法通过机器学习让这些海量的原始数据变成直观的图表和信息发送到客户那里。这些信息包括奶牛的健康分析、发情期探测和预测、喂养状况、位置服务等。