深度学习人脸识别素材，内含Matlab深度学习的代码一份（地址，图像大小和目录个数要自己改一下）；剑桥大学的图像数据库：共40个人，每人10张图，图片都是像素256，灰度级的.pgm格式，大小92x112；500+的彩色大小不定人物图像；500+的人脸图像，分训练和测试、人脸的模糊度不同

实时人脸识别 (OpenCV) 这是一个完整的 Python 程序，用于创建高效的实时人脸识别应用程序。 脚步： cmd: python face_taker.py 使用face_taker.py脚本拍照。 输入 ID 号后，脚本将在images文件夹中保存 30 张您的脸部images （必须是整数和增量（从 1 开始，然后是 2、3、...） 注意：确保您的脸部居中。窗口将当所有 30 张照片都拍完后折叠起来。 cmd: python face_train.py face_tain.py脚本将训练一个模型来识别使用face_taker.py脚本拍摄的 30 张图像中的所有人脸，并将训练输出保存在training.yml文件中。 cmd: python face_recognizer.py face_recognizer.py是主要脚本。 您需要在face_taker.py

随着计算机应用的发展和人们对信息保密意识的增强，人脸识别技术作为一种生物识别技术越来越受到人们的重视。而卷积神经网络的出现大大提高了计算机对图像内容的识别和判断能力，因此我们考虑将卷积神经网络应用于人脸识别技术，形成一套以卷积神经网络为技术核心的人脸识别系统。

随着我们周边生活信息化，自动化的不断加深，监控摄像头已经变得随处可见，有些地方还出现了基于指纹和人脸识别的门禁系统。在这些系统中人脸识别技术都有重要的应用，人脸识别是生物特征识别的一个重要部分，是一‘门涵盖ｊ，计算机，图像处理，信号处理，模式识别，心理学等多种学科的技术。虽然人脸识别的研究以有很长的历史但仍有极高的研究价值。

大数据蕴含大发展，结合不断提升的高性能计算机更是给机器视觉技术带来日新月异的发展。深度卷积神经网络也正是借着这股力量才大放异彩，其主要应用包括语音识别、图像处理、自然语言处理等。本文就当前大环境下研究了卷积神经网络模型在静态环境下入脸识别领域的应用。相对传统人脸识别方法而言，卷积神经网络模型不需要人工进行大量而又复杂的特征提取算法设计，仅需要设计一个可行的网络模型，再将大量的人脸训练数据集加载到网络模型中，然后进行自动训练，这样就可以得到很好的识别率。把训练好的模型保存下来，那么这个模型就是一个端到端的人脸特征提取器。该方法虽然操作简单，但是需要根据训练数据集设计合理的网络结构，而且最难的关键点是超参数的调整和优化算法的设计。因此本文结合残差网络和融合网络构建了两个与计算资源和数据资源相匹配的网络模型，并通过反复调整超参数和调试优化器使其在训练集上能够收敛，最终还取得较好的识别率。

人脸自动识别是模 式识别 、图像处理等学科的 一大研究热点 , 近几年来关于 人脸识别的研究取得 了很大进展 .本文重点对近三 、四年来人脸识别的研究进行综述并对各种方法加以评论 .

人脸识别中若干关键问题

首先对计算机人脸 自动识别技术的研 究背景及发 展历程做 了简单回顾 ,然后 对人脸正面 像的识别 方法 ,按 照 识别 特征 的不 同 进行 了分 类综 述 ,主要 介绍 了特 征脸 ( Eigenface)方 法、基 于小 波特 征 的弹 性 匹配 ( ElasticMatching )的方法、形状和灰度模型分离的可变形模型 ( Flexible M o del )以及传统的部件建模等分析方法 .通过对各种识别方 法的分析与比较 ,总结了影响人 脸识别技术实 用化的几 个因素 ,并提出了 研究和开发 成功的人 脸识别技术所需要考虑的几个重要方面 ,进而展望了人脸识别技术今后的发展方向

综述了人脸识别理论的概 念和研究现状 ,讨论了其中的关键技术和难点以及应 用和发展前景 ,最后对人脸识别研究中应注意的问题提出了我们 的看法 .

人 脸 识 别 已 成 为 多个 学 科 领 域 的 研 究 热 点 之 一 本 文 对 人 脸识 别 的 发 展 历 史 研 究 现 状 进 行 了 综 述 系统地 对 目 前 主 流 人 脸 识 别方 法进 行 了 分 类 针 对 人 脸 识 别 面 临 的 挑 战 着 重 对 近 几 年 来 在 光 照 和 姿 态 变 化 处 理 方 面的 研 究 进 展 进 行 了 详 细 论 述 并 对 未 来 人 脸 识 别 的发 展 方 向 进 行 了 展 望