人脸识别资料整理

github超全人脸识别资料 papers+code！
人脸识别[一] 算法和数据库总结
知乎：人脸识别相关资源汇总一（论文，代码+dataset)
知乎：人脸识别相关资源汇总二（论文，代码+dataset)

人脸识别，就是通过视频采集设备获取用户的面部图像，再利用核心的算法对其脸部的五官位置、脸型和角度进行计算分析，进而和自身数据库里已有的范本进行比对，后判断出用户的真实身份。人脸识别主要分为人脸检测、人脸对齐与人脸识别三个步骤。

1.人脸检测 face detection

人脸检测是指从输入图像中检测并提取人脸图像，通常采用haar特征和Adaboost算法 训练级联分类器对图像中的每一块进行分类。如果某一矩形区域通过了级联分类器，则被判别为人脸图像。首先计算机要能够从给出的图像中检测出人脸，给出人脸的具体位置。

1. MTCNN
   github代码

2.人脸对齐 face alignment

人脸对齐可以看作在一张人脸图像搜索人脸预先定义的点（也叫人脸形状），通常从一个粗估计的形状开始，然后通过迭代来细化形状的估计。在搜索的过程中，两种不同的信息被使用，一个是人脸的外观 ，另一个是形状。形状提供一个搜索空间上的约束条件。在人脸检测的基础上，根据输入的人脸图像，自动定位出面部关键特征点，如眼睛、鼻尖、嘴角、眉毛以及人脸各部件轮廓点等，用特征点标记出来。输入为人脸外观图像，输出为人脸特征点的集合。

1. 论文：One Millisecond Face Alignment with an Ensemble of Regression Trees
   ERT算法解读
   ERT GBDT

2. dlib face landmarks
   face_recognition进行人脸特征检测CSDN
   face_recognition github完整代码

人脸关键点对齐总结（简书）

3.人脸识别

这里的人脸识别是狭义的人脸识别，即将待识别人脸所提取的特征与数据库中人脸的特征进行对比，根据相似度判别分类。而人脸识别又可以分为两个大类：一类是确认，这是人脸图像与数据库中已存的该人图像比对的过程，判断是否是该人；另一类是辨认，这是人脸图像与数据库中已存的所有图像匹配的过程，判断该人的名称。显然，人脸辨认要比人脸确认困难，因为辨认需要进行海量数据的匹配。常用的分类器有最近邻分类器、支持向量机等。

1. facenet
   Facenet原理介绍
   facenet github代码

人脸检测识别系统设计

基于mtcnn和facenet的实时人脸检测与识别系统开发（文章中有github链接）

最后

以上就是无辜西牛为你收集整理的人脸识别资料整理人脸识别资料整理的全部内容，希望文章能够帮你解决人脸识别资料整理人脸识别资料整理所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。