Selfie 数据集包含 46836 张自拍并标注了 36 种属性包括性别、年龄、种族、脸型、表情、发色、装饰和其他等等。该数据集最初用于自拍打分的任务，但因为维度广，所以很适合做相关研究。

FDDB（Face Detection Data Set and Benchmark）Dataset 是一个面部区域数据集，主要用于研究无约束人脸检测问题，该数据集包含 Wild Dataset 中 Faces 获取的 2845 张图像中的 5171 个面部注释。 FDDB Dataset 由马萨诸塞大学阿默斯特分校 – 计算机科学系于 2010 年发布，相关论文有《FDDB: A Benchmark for Face Detection in Unconstrained Settings》。

Labeled Faces in the Wild Dataset 是一个面部图像数据集，专为研究无约束人脸识别开发，该数据集包含从网络收集的 13,000 多张面部图像，每张图片标注有人物名称，共有 1680 人，这些图片均由 Viola – Jones 面部探测器所拍摄。 Labeled Faces in the Wild Dataset 由马萨诸塞大学阿默斯特分校于 2007 年 10 月发布，主要发布人为 Erik Learned-Miller、 Gary B. Huang、 Aruni RoyChowdhury、 Haoxiang Li 和 Gang Hua，相关论文有《Labeled Faces in the Wild: A Database for Studying Face Recognition in Unconstrained Environments》。

ORL 数据集是由剑桥大学 AT&T 实验室提供，包含 400 张面部图像。该数据集中图像分为 40 个不同的主题，每个主题包含 10 幅图像，且对于其中一些主题，图像拍摄的时间、光照、面部表情及细节等都有差异。所有图像都为黑色背景，可用于面部识别等研究使用

面部特征点定位算法研究.pdf

超人梭子鱼 UltraFaceBarracuda是一个Unity示例项目，显示了如何在Unity 上运行脸检测神经网络模型。 有关UltraFace（“ Ultra-Light-Fast-Generic-Face-Detector-1MB”）模型的详细信息，请参见。 系统要求 统一2020.2 梭子鱼1.3.0 样例场景 静态图像测试 StaticImageTest使用给定的单个图像运行面部检测模型。 它使用Unity UI系统可视化边界框，该边界框显示了如何通过简单的C＃脚本使用检测结果。 网络摄像头测试 WebcamTest使用来自与UVC兼容的视频捕获设备（网络摄像机，HDMI捕获等）的视频流来运行面部检测模型。 它使用间接绘图来绘制边界框-换句话说，它可以可视化检测结果，而无需GPU-to-CPU的回读，因此它可以以高性能的方式运行。 您还可以设置纹理来装饰边框。

基于人脸识别的考勤系统 详细项目在这里工作... 该项目包含两个使用flask和python3开发的webapp。（ ） 使用的数据库：MySQL社区版。 对于面部识别，我使用了ageitgey的python3“ face_recogntion”。（ ），它是使用dlib先进的面部识别技术构建而成的，该面部识别技术是通过深度学习构建的。 该模型在Wild基准中的Labeled Faces上的准确性为99.38％。 为了进行欺骗检测，我通过重新训练它的最后一层来使用tensorflow初始模型，以便它可以检测图像中的手机。（ ） 为了生成和管理Excel，我使用了xlrx，xl

数字图像处理论文提交 基于iOS系统 人脸识别 人脸检测

通过训练jaffe数据库，实现识别人脸高兴、惊讶、恐惧、生气等六种表情，并圈出。可调用电脑摄像头实时监测。内附有使用说明，可以使用。仅供学习参考。

使用OpenCV实现人脸部和眼睛的识别，代码和用到的资源已经打包。觉着有用就下载吧。