人脸图像特征提取matlab代码LESH（基于局部能量的形状直方图）特征提取 用法： lesh_vect = calc_LESH（im）; 输入： im =图片或本地补丁 输出： lesh_vect = LESH特征向量（图像/补丁的16个分区为128维，而64个分区为512维。（请参阅FeatureParam.m） 适用于任何大小（最好是正方形）的图像或补丁。 对于大小大于64x64的图像，建议的分区大小w为8（512像素矢量）。 在大小为32x32的补丁中，分区大小应更改为4（以产生128个暗淡矢量） 有许多参数可以针对不同的应用进行调整。 可以对FeatureParam.m文件进行修改以更改例如GABOR过滤器的比例数和方向。 可以更改部分大小以产生更长的向量，反之亦然，更多的粗糙部分或更多的精细部分可能会影响特征向量的区分质量。 推荐的设置为8x8（64）分区大小（512维矢量），并为GABOR滤波器组设置5个比例和8个方向。 请注意： 此更新的优化版本不包括本文所述的高斯加权。 通过当前的优化，我们发现它对一般形状的描述效果更好。 致谢：该代码使用了Peter kovesi

MIT人脸库 训练，测试用的人脸图像 opencv训练分类器可以用到 还有别的库可是太大了。。。

该系统为基于Matlab的人脸考勤系统。带有一个人机交互界面。输入全身照人脸图片进行人脸扫描，分割出单独的人脸进行预处理，包括灰度化尺度归一化提取人脸特征值和人脸库里面的数据进行对比。输出人脸识别的结果包括姓名，性别，学号等。并且有做考勤信息的统计，包括每个人打卡多少次，分别是什么时间，具有一键导出考勤表的功能。 GUI框架需要具备一定编程基础的人员学习，感谢支持。

该课题为基于Matlab的人脸考勤系统。如果需要硬件结合的话，可以调取摄像头。带有人机交互界面。可以在人机交互界面的基础之上，进行相应的拓展。人脸库可以使用您自己的真实人脸库。

人脸图像补全作为图像补全技术的一种特殊应用，在被遮挡人脸的识别、人脸修复等问题上有不可替代的作用。现有的人脸补全算法只针对补全图像的真实性，而未考虑其补全后的身份一致性。针对这一问题，设计了一种基于改进的生成式对抗网络的人脸补全算法，通过引入SN-GAN算法，提高了模型训练的稳定性，同时利用人脸识别模型对生成图像加入了身份一致性约束，经过实验证明，所提方法能够在生成高真实性图像时有效保持补全图像的身份一致。

人脸图像识别应用-WIP 该项目使用 ，由指导，利用其“ 2020年完整的Web开发人员：从零到精通” 。 并与结合使用。 此应用程序的目的是拍摄任何图像（.png或jpg），并自动检测图像中的任何面Kong。 可用脚本 在项目目录中，可以运行： npm start 在开发模式下运行应用程序。 打开在浏览器中查看。 如果进行编辑，页面将重新加载。 您还将在控制台中看到任何棉绒错误。 预览： 在制品 登录/注册（工作中） 数据库（用户配置文件） 服务器

基于人脸图像的男性和女性年龄估计

Caltech 10k Web Faces 是一个人脸图像数据，包含 10524张 人脸图像和标注信息， 标注眼睛、鼻子和嘴巴的位置，来自Google图像搜索后的人工标注。

人脸图像特征提取matlab代码国际货币基金组织 具有稀疏约束的增量非负矩阵分解用于图像表示 此repo实现了由Jing Sun等人针对“具有稀疏约束的增量非负矩阵分解进行图像表示的性能”所提出的特征提取算法的迭代更新过程。此代码对人脸（ORL-32）和对象（ COIL20）数据集以获取AC和NMI，然后验证INMFSC的聚类有效性。 此外，该代码还可以显示我们的稀疏性研究和运行时间，以便与其他基于NMF的聚类方法进行比较。 依存关系 该代码支持Matlab。 跑步 main.m--INMFSC / INMF main1006 -NMF main1024nmf -GINMFSC main1027nmf -GNMF 下载本文 引文 如果您认为此代码有用，请引用： 孙静，王志辉，李浩杰*，孙发明。 （2018）具有稀疏约束的增量非负矩阵分解用于图像表示。 PCM（2）2018：351-360。

该课题为基于Matlab的人脸考勤系统。如果需要硬件结合的话，可以调取摄像头。带有人机交互界面。可以在人机交互界面的基础之上，进行相应的拓展。人脸库可以使用您自己的真实人脸库。