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

基于VS2012MFC对话框 + Opencv2.4.9 实现单张人脸检测及人脸比对。可运行，加载图片即可测试。

本资源是在Matlab平台上实现模板匹配，核心代码包括肤色分割以及模板匹配，肤色分割是通过在YCrCb色彩空间下进行肤色建模，从而实现肤色分割，在肤色分割的基础上实现模板匹配，从而实现人脸检测

自己亲身做的人脸检测，给的资源分太低，心会太痛，做人脸检测的可以下下来看一下！不敢说绝对是你的菜，但是可以借鉴和参考。

一种通用的实现方法卷积神经网络（CNN）构建框架设计实时CNN。创建实时面部检测视觉系统，实现性别分类和情绪分类。

使用CNN等方法，进行视频中的人脸检测，可直接调用摄像头。python源代码

文件夹中包含win64，win32，arm版，此库是老版本，新版本有源码，可去于老师GitHub上下载

opencv结合MFC与定时器进行人脸检测

人脸检测英文文献 A Parallel Framework for Multilayer Perceptron for Human Face Recognition 等

SeetaFace2采用标准C++开发，全部模块均不依赖任何第三方库，支持x86架构（Windows、Linux）和ARM架构（Android）。SeetaFace2支持的上层应用包括但不限于人脸门禁、无感考勤、人脸比对等。 编译简介 2.1 编译依赖 GNU Make 工具 GCC 或者 Clang 编译器 CM2.2 linux和windows平台编译说明 linux 和 windows 上的 SDK 编译脚本见目录 craft，其中 craft/linux 下为 linux 版本的编译脚本，craft/windows 下为 windows 版本的编译脚本，默认编译的库为64位 Release 版本。 linux 和 windows上的SDK编译方法： 打开终端（windows上为VS2015 x64 Native Tools Command Prompt 工具，linux 上为bash），cd 到编译脚本所在目录； 执行对应平台的编译脚本。 linux 上 example 的编译运行方法： cd 到 example/search 目录下，执行 make 指令； 拷贝模型文件到程序指定的目录下； 执行脚本 run.sh。 windows 上 example 的编译运行方法： 使用 vs2015 打开 SeetaExample.sln 构建工程，修改 Opencv3.props 属性表中变量 OpenCV3Home 的值为本机上的 OpenCV3 的安装目录； 执行 vs2015 中的编译命令； 拷贝模型文件到程序指定的目录下，运行程序。2.3 Android平台编译说明 Android 版本的编译方法： 安装 ndk 编译工具； 环境变量中导出 ndk-build 工具； cd 到各模块的 jni 目录下（如SeetaNet 的 Android 编译脚本位置为SeetaNet/sources/jni, FaceDetector的Android 编译脚本位置为FaceDetector/FaceDetector/jni），执行 ndk-build -j8 命令进行编译。 编译依赖说明：人脸检测模块 FaceDetector，面部关键点定位模块 FaceLandmarker 以及人脸特征提取与比对模块 FaceRecognizer 均依赖前向计算框架 SeetaNet 模块，因此需优先编译前向计算框架 SeetaNet 模块。