基于mtcnn+facenet网络实现简单人脸检测识别系统python源码+训练好的模型文件+项目说明.7z 这两个工程都是keras模型, 所提供的模型文件都只有权重没有网络结构, 我利用作者提供的网络定义和权重文件重新生成了带有网络结构的权重文件. 比如原先只有权重的模型文件pnet.h5, 生成含网络结构和权重的模型文件PNET.h5. 接着用keras2onnx工具把它(PNET.h5)转换成了onnx模型pnet.onnx, 其他胶水部分的逻辑没什么变化. 具体的转换代码请参考keras_onnx.py文件. 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。

基于Haar特征与AdaBoost算法的人脸检测的实现

基于深度学习的人脸识别

内含可用人脸识别算法代码

本文从人脸检测算法入手，总结基于FPGA上的嵌入式系统设计方 法，使用IBM的Coreconnect挂接自定义模块技术。经过训练分类器、 定点化、以及硬件加速等方法后，能够使人脸检测系统在基于Xilinx 的Virtex II Pro开发板上平台上，达到实时的检测效果

1.引言 　　OpenCV（Intel·Open Source Computer Vision Library）是Intel 公司面向应用程序开发者开发的计算机视觉库，其中包含大量的函数用来处理计算机视觉领域中常见的问题，例如运动分析和跟踪、人脸识别、3D 重建和目标识别等[1].可以通过访问https://www.source- forge.net/projects/opencvlibrary 获得OpenCV 库以及相关的资料。另外， 还可以通过访问https://www.yahoogroups.com/group/OpenCV, 对于OpenCV使用中的一些问题与经验进行讨论。 　　

1.本程序主要处理BMP位图。 2.为了方便读者学习，程序各步骤都被拆分开实现了，通过点击相应按钮可以看到每个步骤处理的结果。 3.如果是进行人脸识别，需要先打开一幅位图依次进行“人脸检测与定位”操作和“人脸特征标注”操作，然后再打开需要比较的第二幅位图，也是依次进行所有操作，最后进行识别以区分先后两个人脸。

基于Haar-Like 特征的人脸检测算法研究.zip

11_人脸检测与识别系统（openCV源码）

戴口罩人脸检测和戴口罩识别(含Python Android源码): https://blog.csdn.net/guyuealian/article/details/125428609 ； 戴口罩人脸检测和戴口罩识别Android Demo APP体检： https://download.csdn.net/download/guyuealian/85771596 目前项目开发的戴口罩识别（face-mask recognition）的准确率还挺高的，在resnet50,可以高达99%的准确率，即使采用轻量化版本MobileNet-v2，准确率也可以高达98.18%左右。