基于pca的人脸特征提取及人脸重构，带文档，代码以及ORL人脸库，代码实测可运行

基于人脸特征点检测类似于Apple-Animoji的动画应用程序

程序基于opencv实现，适用于AAM等算法的前期标记工作，标记结果输出为asf文件。

haarcascades人脸特征分类器的XML文件，包括haarcascade_frontalface_default.xml,haarcascade_frontalface_alt_tree.xml,haarcascade_frontalface_alt.xml,haarcascade_frontalface_alt2.xml,haarcascade_eye.xml等等

提供了基于主动外观模型（AAM）的Python实现方法，对人脸图像进行特征提取，得到AAM特征

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。

手动进行人脸特征点标定的matlab程序，使用起来非常的方便，且可自动生成特征点存储文件。

python dlib库，训练人脸的68个特征点检测器。包含数据集，源码。详细可以参考我的博客：http://blog.csdn.net/hongbin_xu/article/details/78511923

人脸特征提取matlab源码。适用于人脸识别的matlab实现。

代码导入后直接可用，附带测试图片及视频。你也可以用自己的脸来识别。 这软件不仅可以识别摄像头中的人脸，还可以识别图片，视频文件中的人脸。 应用到特征脸的识别技术。