PyRecognizer 一个简单的人脸识别引擎 火车/预测视频指南 模型为一些名人调整 以下列表包含名人的姓名和用于训练的照片数,按照片数排序 名人名单George_W_Bush 530 Colin_Powell 236 Tony_Blair 144 Donald_Rumsfeld 121 Gerhard_Schroeder 109 Ariel_Sharon 77 Hugo_Chavez 71 Junichiro_Koizumi 60 Jean_Chretien 55 John_Ashcroft 53 Serena_Williams 52 Jacques_Chira
2023-04-11 09:46:06 33.01MB photos neural-network rest-api facial-recognition
1
面部对齐 通过回归树进行人脸对齐 预要求 Visual Studio 2012+ 和 OpenCV 安装在 C:/opencv
1
人脸图像特征提取matlab代码基于特征值的面部识别和匹配 该项目旨在通过使用Haar分类器来改进人脸检测系统,以获得更高的准确度结果。 Haar分类器用于面部检测,因为它可以非常快速地检测到所需图像。 该算法已用于检测,实现了较高的检测精度。 1.数据预处理 出于该项目的目的,已经获得了40个人的数据集。 这些人每个人都有10个姿势不同的图像。 这意味着总共有40 x 10 = 400张图像。 对于每个人,都有单独的文件夹。 用这种方式解释会造成混乱。 在图1中,我们可以在第一行中看到40个标记为1、2、3到40的人。每个人都有10张图像。 这些图像是灰度的。 所有这些图像必须具有相同的尺寸和分辨率。 最后,每个人的图像都保存在单独的文件夹中。 在图1中,s1,s2,s3…..s40代表文件夹。 此过程的摘要如下:•每个人10张图像•每个人1个文件夹(s1,s2,s3等)•图像必须为灰度级•图像必须具有相同的分辨率和尺寸。 我已经拍摄了92 x 112像素的图像。 •图像名称必须是数字,例如1、2、3。•并且图像必须具有相同的扩展名,例如bmp,pgm和/或任何图像格式 2.数据集加
2022-11-01 22:40:33 3.68MB 系统开源
1
matlab人脸匹配代码使用傅立叶变换的人脸识别 想法 傅里叶变换只是过去25年中开发的许多不同的面部识别方法之一。 与机器学习方法相比,傅里叶变换是一种非常简单且快速的算法。 它提取人脸的频率特征,而不是使用卷积网络分析图像模式。 主要思想是在图像数据库中找到变化最大的频率,并通过匹配这些频率来识别面部。 左侧的脸部在此算法中用作输入。 预测的面Kong在右侧: 数学 傅里叶变换 傅里叶变换的公式意味着,大小为N x M的图像可以在u或v方向上分解为频率(具有各种波长j)。u对应于水平方向,而v对应于垂直方向。 x和y是沿u和v的测量值。 欧拉公式 欧拉公式只是说,每个波长都是由cos和sin波组成的,以复数形式表示,其中cos是实数部分,sin是虚数部分。 傅立叶变换的可视化 数学似乎很复杂,但是两个公式解释了一个简单的概念:图像由各种频率组成。 这是傅立叶变换的示例: 5个水平波 10个水平波 15对角波 5个水平波的FFT FFT 10个水平波 FFT 15个对角线波 上图显示:经过傅立叶变换后,每个频率分解为2个白色像素,围绕原点(0,0)对称。 较高的频率离原点较远,并且其
2022-05-30 10:08:22 5MB 系统开源
1
lda分类代码matlab 面部识别 在MATLAB中实现基本分类器(Bayes'、K-Nearest Neighbors、PCA、LDA),实现人脸识别。 介绍 有关作业的正式定义,请参阅项目。 有关结果的摘要,请参阅我的 . 如何运行代码 为了保持代码的可读性和模块化,每个分类器和降维技术都在位于目录中的单独 MATLAB 函数中实现。 帮助函数方便地位于目录中。 该脚本位于代码目录的顶层。 我将脚本分为以下几个部分: 预处理数据 负载变量 划分数据(训练和测试) 贝叶斯分类 K-最近邻分类 主成分分析 (PCA) PCA后的贝叶斯分类 PCA 后的 K 最近邻分类 Fisher 线性判别分析 (LDA) LDA后的贝叶斯分类 LDA后的K-最近邻分类 主文件包含不同情况的初始条件和参数。 要测试不同的功能,只需修改这些状态​​条件变量。 该脚本可以完整运行,也可以一次运行一个部分,以观察和分析给定部分的结果。 在脚本的末尾,每种分类技术的结果都显示在一个表格中。 下面是在人脸数据集上运行整个脚本时的示例表。 所有输入数据都可以在.mat文件形式的目录中找到。 如需任何帮助或说明,
2021-12-30 16:33:29 9.51MB 系统开源
1
感情 该软件可从视频或摄像头提要中识别人脸及其相应的情绪。 由OpenCV和深度学习提供支持。 安装 克隆存储库: git clone https://github.com/petercunha/Emotion.git cd Emotion/ 使用pip3 install 安装这些依赖pip3 install 张量流 麻木 科学的 OpenCVPython 枕头 大熊猫 matplotlib h5py 凯拉斯 一旦安装了依赖项,就可以运行项目。 python3 emotions.py 训练情绪分类的新模型 从下载fer2013.t
2021-12-17 10:38:37 9.31MB opencv deep-learning tensorflow facial-recognition
1
对峙 对面部识别进行物理对抗攻击的步骤 在应用蒙版之后,将左侧的输入图像检测为右侧的目标图像。 安装 创建一个虚拟环境 conda create -n facial pip 克隆仓库 git clone https://github.com/392781/Face-Off.git 安装所需的库 pip install -r requirements.txt 导入和使用! from adversarial_face_recognition import * ` 有关培训说明,请查看以开始少于30行。 用法 该库的目的是再次制造对抗攻击,再用FaceNet人脸识别器。 这是初步的工作,目的是使用一个可以戴在脸上的面具来产生更强壮的物理攻击。 当前管道由对齐的输入图像和计算出的蒙版组成。 然后使用dlib定向梯度检测器直方图将其输入到面部检测器中,以测试是否仍检测到面部。 然后将其传
1
hog svm matlab代码照片和视频的面部识别以及照片中数字的 OCR 这是我 2018-19 年在伦敦大学城市学院的计算机视觉模块的课程作业。 我们收到了几张同学(个人和团体)的照片。 我们的任务是准备图像数据,尝试不同的特征类型和分类器组合进行面部识别并报告结果。 (我已从我提交的报告中删除了所有面部图像)。 我使用了 HOG 和 SIFT 特征类型以及 CNN、MLP 和 SVM 分类器。 我们还负责使用 OCR 识别照片中每个人的数字。 完整的详细信息可以在报告中找到,所有代码都包含在下面。 要运行代码,您将需要 MATLAB(使用 R2018b 版来创建它)。 全部文件: Lesley Dwyer 计算机视觉报告,删除了人脸图像.pdf - 报告 RecogniseFace.m - 人脸识别功能 detectNum.m - 数字识别函数 trained_models_and_supporting_files 文件夹: bag.mat - 为 Bag of Fatures 创建的包; 需要使用 MLP_SURF 进行预测 CNN.mat - CNN 模型(*不可用 - 超
2021-10-11 16:00:24 1.67MB 系统开源
1
节点红色贡献面部识别 - 为面部检测和面部识别提供节点红色节点。 目录 Simple_Queue_Method Heavy_image_processing_or_mjpeg_video_stream FaceRecognition_Persistant_labeledFaceDescriptors Bugs_Feature_request 执照 工作 贡献者 要求 节点版本 12.x 或更高版本。 在终端中使用node -v找出 节点红色版本 1.x 或更高版本。 安装 使用 node-red Palette Manager 安装,或者, 在您的 Node-RED 用户目录中运行以下命令 - 通常是~/.node-red : npm install node-red-contrib-facial-recognition Windows 用户:如果您遇到问题并使用故障
2021-08-04 22:04:36 15.32MB JavaScript
1