关于FERET人脸数据库中的图像转化为MAT文件，其中MAT文件里面包括训练集（traindata）、训练标签（trainlabel）、测试集（testdata）、测试标签（testlabel）和分类总数（nclass）。

ar人脸数据库，经典的人脸库，用于人脸检测与识别。

人脸识别 本项目代表对面部投影技术（PCA，ICA和LDA）的比较分析，旨在比较使用公平意识训练对这些模型的性能影响的程度。 该技术在FERET图像数据集的两个450图像子集上进行了测试，一个旨在保留美国人口的种族构成（70％的白种人，20％的非洲人，10％的东南亚人），而其他人的种族背景分布均匀（33％的白人，33％的非洲人，33％的东南亚人）。 这两个数据集每个类（人）都包含两个图像，旨在模拟法律规范应用，其中每个人的可用图像数量预计会很少。 培训方法基于[1]中使用的方法。 首先通过均值减法和标准化对训练图像进行预处理。 然后执行PCA，得到一个180维子空间（450的40％），该子空间在受人口影响的数据中分别保留99.66％的信息，在公平意识的数据中分别保留99.68％的信息。 然后将这些预测用作ICA和LDA的输入数据。 生成的空间用于投影以前看不见的图像，并通过将它们与同一个

1993年，美国国防部高级研究项目署（Advanced Research Projects Agency)和美国陆军研究实验(Army Research Laboratory)成立了Feret(Face Recognition Technology）项目组，建立了FERET人脸数据库，用于评价人脸识别算法的性能。

FERET人脸数据库 第二部分数据，与第一部分独立。

用于处理图像中标记粒子的 Feret 直径的两个函数。 函数 imFeretDiameter 计算每个指定方向的 Feret 直径。 最大直径可以通过计算结果的最大值来获得。 函数 imOrientedBox 计算多个方向的 Feret 直径，并保持产生最小面积包围矩形的方向。 函数 drawOrientedBox 可用于可视化结果。 两种功能都可以轻松地适应于一组要点。

史上最全的人脸库，自己毕业设计时做人脸识别时收集的，包括ORL人脸库、Yale人脸库、FERET人脸库及MIT人脸库。ORL人脸库中包括92*112的bmp格式及pgm格式的各400幅人脸；Yale人脸库中包括100*100的bmp格式的15个人的人脸，每个人11幅图像；MIT人脸库中包括人脸20*20的bmp格式2706幅图及非人脸20*20的bmp格式4381幅图，FERET人脸库包括80*80的1600幅图像。如此全面，做人脸识别比不可少的数据库，绝对值得下载。

一个挺实用的人脸库，适合用于做人脸识别的训练。

FERET人脸库 包含已经分类的人脸图像，非常适合人脸识别

FERET人脸数据库合并，包括第一和第三部分 第二部分 http://download.csdn.net/detail/mgx7758521/9271999