将开源winder数据集进行格式转换，转换成VOC格式，可用于人脸检测训练与测试

dlib库中所需的人脸检测预训练模型文件，mmod_human_face_detector.dat。

用于面部识别的计算机视觉算法概述。 本文的主要思想是探索一种算法，该算法可用于具有合适方法和可用输入的生物识别考勤系统。 该算法主要使用面向直方图的梯度来寻找人脸、估计人脸地标、支持向量机识别人脸和深度卷积网络来比较人脸。 文章中描述了面部识别的基础和科学程序。 还开发了一个基本应用程序，以标记人脸出现的时间是 .csv 格式并标记出勤。 本文主要使用 dlib 和 face_recognition 库来提供功能。

matlab曲线的颜色代码面边界 该程序将图像作为输入并绘制： 鼻尖 脸的边界 在面的右侧（从我们的角度来看）以2度的间隔在边界上绘制点。 您可以在左侧的代码中轻松更改此代码。 用线连接2点 这个概念 我们首先使用CascadeObjectDetector检测鼻子和眼睛。 我将这些区域扩展到分别包括嘴巴和眉毛。 这些区域被迫成为最终面部区域的一部分。 通过对灰度图像的二阶导数进行阈值化来完成面部边界的检测。 尤其是下巴很难正确检测。 下巴和颈部之间的边界通过施加较大的腐蚀步骤而突出显示。 由于此步骤对面部区域的噪声敏感，因此首先通过应用较小的膨胀和腐蚀步骤对图像进行非线性滤波。 使用侵蚀的图像确定脸部区域，否则下巴和颈部之间的边界可能不清晰。 然后，通过应用（反向）膨胀步骤来消除大的侵蚀。 对于简单方法而言，结果是相当不错的，但并不完美。 通过迭代更改用于二阶导数的阈值，您可能会获得更好的结果。 如果您从较大的阈值开始，则脖子将被包括在面部区域中。 您可以通过假设鼻子区域和脸部底部之间有一些最大距离来检测到它。 然后，您可以降低阈值，直到不再包括颈部。 使该方法更健壮的另一种选择可能是

更新 更新22/01/2020您可能有兴趣关注以观看有关计算机视觉，机器学习，深度学习和机器人技术的每周视频。 Deepgaze 2.0的更新16/07/2019稳定版本可分支2.0 。 更新20/03/2019开始在Python / OpenCV 3.0上进行移植，请检查分支2.0以获取初步版本。 更新10/06/2017文章“使用卷积神经网络和自适应梯度方法在野外进行头部姿态估计”的PDF使用可在未来50天内免费下载 更新2017年4月6日，文章“使用卷积神经网络和自适应梯度方法在野外进行头部姿态估计”已在Pattern Recogntion（Elsevier）中接受发表。 Deepgaze CNN头部姿势估计器模块基于此工作。 更新31/05/2017新软件包。 该软件包包含用于显着性检测的算法的实现 更新22/03/2017修复了mask_analysis.py中的一个

Face Detection System matlab实现的人脸识别系统，含有9个源代码文件，及上百幅人脸图片-Face Detection Systemmatlab realize the face recognition system, containing nine source code files, and hundreds of pieces of face image

口罩检测（Face）数据集.zip

面膜检测-深层神经网络-三重解决方案 遮罩检测问题的三种解决方案，第一种以卷积神经网络的形式呈现，第二种以全连接神经网络的形式呈现，第三种以传递学习神经网络为基础。它们是通过Tensorflow Keras实现的。 背景 该报告介绍了遮罩检测问题及其解决方案。 它包含描述三种不同神经网络的三种配置：第一种是完全连接的网络。 第二个是基于转移学习的网络，第三个是卷积神经网络。 在此报告中，您将找到使用上述模型和其他信息（例如图形，代码行屏幕截图，损失与验证以及其他有助于理解我们的项目的ML概念）解决此问题的完整过程。 资料说明 用于训练模型的数据包含10,000张图像，其中一半显示一个戴着口罩的人，另一半显示未蒙面的人。我们使用的数据包含一个验证集，包含1,000张图片，500张蒙面和500张无遮盖的脸。 第三组用于测试模型，其中包含1,000张图片，500张蒙面和500张非蒙面。 你可以从

已标注的基于像素的皮肤检测数据集，图片收集自网络名人图，包括32张单人原图和46张多人原图，以及各自对应的皮肤标注掩膜黑白图，即掩膜标签图中白色（255或1）为皮肤、黑色（0）为非皮肤，原图包括不同肤色、不同种族、不同年龄段、不同场景等。 已标注的基于像素的皮肤检测数据集，图片收集自网络名人图，包括32张单人原图和46张多人原图，以及各自对应的皮肤标注掩膜黑白图，即掩膜标签图中白色（255或1）为皮肤、黑色（0）为非皮肤，原图包括不同肤色、不同种族、不同年龄段、不同场景等。 已标注的基于像素的皮肤检测数据集，图片收集自网络名人图，包括32张单人原图和46张多人原图，以及各自对应的皮肤标注掩膜黑白图，即掩膜标签图中白色（255或1）为皮肤、黑色（0）为非皮肤，原图包括不同肤色、不同种族、不同年龄段、不同场景等。 已标注的基于像素的皮肤检测数据集，图片收集自网络名人图，包括32张单人原图和46张多人原图，以及各自对应的皮肤标注掩膜黑白图，即掩膜标签图中白色（255或1）为皮肤、黑色（0）为非皮肤，原图包括不同肤色、不同种族、不同年龄段、不同场景等。

Casia 人脸图像数据库5.0(或 casia-facev5)包含2500张500个对象的彩色人脸图像。用罗技 USB 摄像机一次性拍摄到了 casia-facev5的脸部图像。Casia-facev5的志愿者包括研究生、工人、服务员等，所有人脸图像都是16位彩色 bmp 文件，图像分辨率为640 * 480。典型的班内变化包括光照、姿势、表情、眼镜、成像距离等。