​ 使用dlib的shape_predictor_68_face_landmarks模型，进行眨眼+张嘴的活体检测。包含face_recognition库各种功能是使用样例 使用dilb、face_recognition库实现，眨眼+张嘴的活体检测、和人脸识别功能。包含摄像头和视频 里面涉及到的 video\face13.mp4 的视频，可以自己录制个视频进行测试，我这边把视频给删除了

面罩示例 概述 环境 演示视频 演示 WebGL WebGL（使用 sp_human_face_68_for_mobile.dat） Android 手动的

3DDFA_V2.5原本人脸检测器是facebox， facebox在脸部超过一半被遮挡时效果较差， 人脸检测器换成yolov5-face，yolov5-face在脸遮挡超过一半时关键点不太准确。 图片处理是imageio，换成opencv。 demo_cam_v5face.py yolov5-face 依赖项： models，加载模型用 yolov5_face，人脸检测器。

面表情 可以模仿您表情的语音聊天机器人。 这是一个Unity项目（仅适用于Android），其中包含两个模块。 其中之一是FaceTracking ，它使用和检测面部表情，将其转换为模型并gif。 另一个是AI （聊天机器人） ，它使用 ， 和进行语音聊天。 English | 发布 建立 从或下载shape_predictor_68_face_landmarks.dat （面部地标检测器）和Facemoji_Plugins_Assets_1.5.0.unitypackage （简化的OpenCV，Dlib，Live2D和Iflytek Assets库）。 git clone htt

前言 人脸识别在LWF(Labeled Faces in the Wild)数据集上人脸识别率现在已经99.7%以上，这个识别率确实非常高了，但是真实的环境中的准确率有多少呢？我没有这方面的数据，但是可以确信的是真实环境中的识别率并没有那么乐观。现在虽然有一些商业应用如员工人脸识别管理系统、海关身份验证系统、甚至是银行人脸识别功能，但是我们可以仔细想想员工人脸识别管理，海关身份证系统的应用场景对身份的验证功能其实并没有商家吹嘘的那么重要，打个比方说员工上班的时候刷脸如果失败了会怎样，是不是重新识别一下，如果还是误识别，或是识别不出，是不是就干脆刷卡或是其他方式登记上班，然后骂一句他娘的，本人那

人脸识别模型 该软件包仅包含使用的模型。 有关更多信息，请参见 。 这些模型由（ 创建，并在公共领域或CC0 1.0 Universal下获得许可。 请参阅许可。

VGG-FACE 深度神经网络的训练数据集，需要自己运行python代码下载。

使用PCA-2D-PCA和2D-Square-PCA进行人脸识别 用于识别人脸的Python中PCA / 2D-PCA / 2D（Square）-PCA的实现： 单人图像 集团形象 识别视频中的人脸 ORL数据集的准确性 PCA（93.42％） 二维PCA（96.05％） 2D（平方）-PCA（97.36％） 要求 麻木 OpenCV 科学的 用法 在Face_Recognition类中，使用来自（pca，2d-pca，2d2-pca）的algo_type 在Face_Recognition类中，将reco_type用作 对于单张图片= 0 视频= 1 对于组图像= 2 该项目使用ORL数据集，您可以将数据集放置在images文件夹中，并在dataset.py文件中更改数据集的名称（可以使用提供的FaceExtractor通过提取面部来创建新的数据集） 运行Face_Rec

问题陈述 一种用于基于用户搜索来推荐书籍的书籍推荐系统。 数据集 您可以从下载数据 数据集详细信息 BX-Book-Ratings.csv 用户ID（提供评分的用户） ISBN（由用户评定的图书的ISBN） 预订率（从0到10） BX-Books.csv ISBN（本书的ISBN） 书名（书名） 图书作者（书籍的作者） 出版年份（该书出版的年份） 出版商（该书的出版商） Image-URL-S（用于小尺寸图像的URL） Image-URL-M（中型图像的URL） Image-URL-L（用于大尺寸图像的URL） BX-Users.csv 用户ID（用户） 位置（用户地址） 年龄（用户年龄） 算法 所使用的算法是KNN机器学习算法，它实际上是一种查找其最近邻居的算法。 执行程序说明 您可以直接从github克隆或下载项目。 下载项目后，您需要可从下载的数据集

face_dataset img 人脸识别 样例