本代码基于Python语言编写，使用Pycharm软件，借助OpenCV库实现，可以调用摄像头采集目标人脸照片作为训练集，然后进行监督训练，最后就可以实现在摄像头中找到训练好的目标人脸。

基于的人脸识别算法，首先应用变换，求出训练人脸空间的特征值，对特征值进行一定的取舍，然后构成一个新的低维正交基空间，我们将所有的人脸投影在这个低维空间中，然后计算与待测图像的人脸最近的人脸图像，最后完成人脸识别。人脸识别算法的关键步骤包括以下四步： 第一步：图像预处理。 第二步：训练人脸库，建立特征脸空间。 第三步：将预存人脸图像和待识别图像投影到特征脸空间上。

基于matlab的表情识别代码2D-3D人脸数据集 2D WIDER FACE FACE NIST提供（IJB-B + FRVT（仅测试）） IARPA Janus Benchmark-B面部挑战（IJB-B）定义了八项挑战，应对拥挤图像的验证，识别，检测，聚类和处理。 IJB-B集包含67000个面部图像，7000个面部视频和10000个非面部图像，对此提供了支持。 空军 300瓦（LFPW + AFW + HELEN + IBUG） 马尔夫 FDDB（2009/10） 设计用于研究无约束人脸检测问题的人脸区域数据集。 该数据集包含从“野生”数据集中的“脸部”获取的2845张图像集中的5171个脸部的注释。 可以在下面的技术报告中找到更多详细信息。 VGGFace VGGFace2 数据集包含331万个9131个主题（身份）的图像，每个主题平均362.6个图像。 图片是从Google图片搜索中下载的，并且在姿势，年龄，光照，种族和职业（例如演员，运动员，政治人物）方面存在很大差异。收集数据集时要牢记三个目标：身份，以及每个身份的大量图像； （ii）涵盖各种姿势，年龄和种族； （iii

二维码识别代码（长按弹出菜单可点链接）

基于matlab的指纹库识别，指纹识别(matlab)源代码。

基于matlab的表情识别代码使用奇异值分解（SVD）在MATLAB中进行人脸重构 由J.Barhydt 1 华盛顿大学华盛顿州西雅图市98195 概述： 奇异值分解（SVD）是一种有用的计算工具，可用于减少超定系统的维数。 它具有各种各样的应用程序，从面部识别软件到科学数据的降噪再到量子信息，甚至被Netflix用来过滤和确定用户内容。 在本文中，该方法用于解构人脸数据库，从而允许低秩逼近来重建图像。 1-此报告使用扩展的Yale Faces B数据库： 简介与概述 ================================= 耶鲁的人脸数据库用于编辑许多人的脸部图像。 总体上有两个数据集：一组被裁剪以使面部对齐良好，而另一组则未被裁剪。 一旦执行了SVD，便会执行许多计算和分析。 首先，一系列奇异值用于确定构成“面部空间”的基础基础面部的权重，该“面部空间”代表所有面部的基础结构。 然后对重建脸部以及本征脸部自身的能力进行比较。 为了观察低秩逼近的演变，矩阵是逐块重构的。 最后，在裁剪后的图像和未裁剪的图像之间进行比较，并将各种面部映射到“面部空间”以进行重构。 理论背景\n=

基于贝叶斯分类器（朴素贝叶斯）的手写数字识别代码大全.doc基于贝叶斯分类器（朴素贝基于贝叶斯分类器（朴素贝叶斯）的手写数字识别代码大全.doc

基于J2判据和SVM分类器的人脸识别模式识别系统的设计与实现代码大全.docx基于J2判据和SVM分类器的人脸识别模式识别系统的设计与实现代码大全.docx基于J2判据和SVM分类器的人脸识别模式识别系统的设计与实现代码大全.docx

基于SVM的手写数字识别基于SVM的手写基于SVM的手写数字识别代码大全.doc数字识别代码大全.doc代码大全.doc

基于卷积神经网络的高斯朴素贝叶斯分类人脸表情识别代码大全.pdf基于卷积神经网络的高斯朴素贝叶斯分类人脸表情识别代码大全.pdf基于卷积神经网络的高斯朴素贝叶斯分类人脸表情识别代码大全.pdf