易语言实现人脸识别功能，识别率非常非常的高达百分之90多。

Labeled Faces in the Wild是一个面部照片数据库，专为研究无约束人脸识别问题而设计。该数据集包含从网络收集的13,000多张面部图像。每张脸都标有图中人物的名字。图中的1680人在数据集中有两张或更多不同的照片。该数据集是在互联网上收集的着名人物的JPEG图片的集合。所有详细信息均可在官方网站上获得：http：//vis-www.cs.umass.edu/lfw/，每张照片都以一张脸为中心。每个通道的每个像素（RGB中的颜色）由浮点范围0.0-1.0编码。该任务称为面部识别（或识别）：给定面部图片，找到给定训练集（图库）的人的姓名。原始图像为250 x 250像素，但默认切片和调整大小参数会将它们减少到62 x 47。

介绍了开发 3D 人脸识别系统的预处理步骤。 代码自动检测人脸区域并从整个人脸图像中裁剪它。 它还对裁剪后的 3D 人脸图像执行去尖峰、去噪和填充Kong洞。 详情请阅读Medium上发表的文章https://towardsdatascience.com/development-of-3d-face-recognition-using-matlab-a54ccc0b7cdd

matlab多人人脸识别代码面对一切 人脸检测对齐识别重建基于github上的一些项目，旨在构建最先进的人脸系统。 目前重构不可用，代码不优雅。 参考 项目 纸 特征 mtcnn align casia 数据集（cpp 实现 matlab cp2tform） 455594张图片algin 453078成功，耗时约1.11小时，希望有人能提高检测率，减少运行时间。 对齐示例 失败的例子 合二为一，mtcnn检测，openpose对齐，cln跟踪和球面识别 安装 要求 OpenCV (>=3.0) 提升 (>=1.63) CUDA (>=8.0) 符合 安装所有要求 git 克隆 将 CMakeList.txt 中的第 44 和 45 行更改为您的 spherecaffe 对应目录 cd face-everthing && mkdir build && cd build && make -j4 运行示例 下载训练好的模型（代码：juk3） 修改example/mtcnn_align_dataset.cpp，把输入参数改成你的 修改example/all_in_one.cpp，把输入参数改成

微信调用照相机读取图片传入后台实现人脸比对(人脸识别系统为另外独立的子系统)

图像lbp特征的提取 matlab实现

采用了matlab中的fictsvm训练函数，predict预测。

matlab姿态识别系统源码运行 Face-Recognition Practice of two Pattern Recognition methods. Face Recognition based on SVM and SRC. 一 背景 1.1 支持向量机简介 支持向量机（Support Vector Machine，SVM）是AT&TBell 实验室的V.Vapnik等人提出的一种机器学习算法，是迄今为止最重要的机器学习理论和方法之一，也是应用最广泛、综合效果最好的模式分类技术之一。到目前为止，支持向量机已应用于孤立手写字符识别、网页或文本自动分类、说话人识别、人脸检测、性别分类、计算机入侵检测、基因分类、遥感图象分析、目标识别、函数回归、估计、函数逼近、密度估计、时间序列预测及数据压缩、文本过滤、数据挖掘、非线性系统控制等各个领域的实际问题中。 支持向量机是一种二分类模型，其基本定义是特征空间上的间隔最大的线性分类器（当采用线性核时），即支持向量机的学习策略是间隔最大化，最终转化为凸二次规划问题的求解。该方法在1995年正式发表，因其在文本分类任务中显示出卓越性能，很快成为

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

人脸识别算法的MATLAB仿真 net.trainFcn = 'trainscg'; net.trainParam.lr = 0.4; net.trainParam.epochs = 400; net.trainParam.show = 10; net.trainParam.goal = 1e-3; %~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ T{1,1} = cell2mat(IMGDB(2,:)); P{1,1} = cell2mat(IMGDB(3,:)); net = train(net,P,T); save net net NET = net;