Advertisement

该任务涉及使用MATLAB编写人脸提取和识别的代码。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
一个易于理解和操作的人脸识别程序，特别适合那些刚开始学习相关技术的新手入门使用。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 用Python编写的人脸识别代码
    优质
    这段代码使用Python语言实现人脸识别功能，可以应用于身份验证、安全监控等多个场景。 基于Python的人脸识别源码；使用Python开发的人脸识别源码。
     
  • 基于MATLAB的人脸提取与识别代码
    优质
    本项目使用MATLAB开发，包含人脸检测、特征提取及人脸识别算法的实现。适用于研究和教学用途。 一个适合初学者使用的人脸提取程序非常简单。
     
  • 基于Matlab的人脸图像特征提取代码及OpenCV在Android上的应用：人脸识别
    优质
    本项目利用MATLAB实现人脸图像特征的有效提取，并展示了如何将这些技术通过OpenCV移植到Android设备上进行人脸识别的应用实践。 OpenCV是一个基于BSD许可（开源）的跨平台计算机视觉库，在Linux、Windows、Android和MacOS操作系统上均可运行。它轻量级且高效——由一系列C函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言接口，并实现了图像处理及计算机视觉方面的许多通用算法。其应用领域包括人机互动、物体识别、图像分割、人脸识别、动作识别、运动跟踪、机器人技术、运动分析、机器视觉以及结构分析。 本项目主要介绍OpenCV的重要概念及其在Android系统中的使用方法，具体功能如下： 1. 打开相机检测是否有人脸； 2. 根据人脸信息匹配特征值； 3. 在画面中框选出现的人脸。 项目包含示例代码和技术文档。
     
  • 人脸识别的MATLAB代码及应用_facefeature_nearest78y_
    优质
    本项目提供了一套基于MATLAB的人脸识别系统代码，采用最近邻算法实现高效准确的人脸特征匹配与身份验证功能。 我们有一个非人脸学习样本库；可以研究不同的特征提取方法对人脸识别率的影响；可以观察不同数量的学习样本对人脸识别率的差异；还可以探讨支持向量机在使用线性核或径向基核函数时，对于人脸识别准确度的不同影响；代码可以直接运行。
     
  • 使用TensorFlow的人脸识别代码
    优质
    本项目提供基于TensorFlow框架的人脸识别代码实现，涵盖模型训练、特征提取及面部检测等功能，适用于研究与开发场景。 该代码使用Tensorflow r1.7在Ubuntu 14.04系统上通过Python 2.7和Python 3.5进行了测试，并包含有测试用例。模型采用固定图像标准化处理，训练过程中采用了中科院自动化所的WebFace数据集，此面部检测后得到的数据集中共有453,453张图片及超过10,575个身份信息。在正式开始训练前对数据进行过滤可以带来性能上的提升，具体操作将在后续说明中提供。最佳模型已经在VGGFace2数据集上进行了训练，该数据集包含约3.3M张面部图像和约9000种类别。提供了几个预训练的模型，并且需要注意的是输入到模型中的图片需要使用固定图像标准化进行处理（例如，在运行validate_on_lfw.py时可以使用--use_fixed_image_standardization选项）。
     
  • 使用TensorFlow的人脸识别代码
    优质
    本项目利用TensorFlow框架实现人脸识别功能，包含详细代码及注释，适用于初学者快速入门和实践人脸识别技术。 该代码使用Tensorflow r1.7版本，在Ubuntu 14.04系统上通过Python 2.7和Python 3.5进行了测试，并包含了一些测试用例。模型的输入图像需要经过固定图像标准化处理。训练过程中采用了中科院自动化所的WebFace数据集，包括了总共453,453张图片以及超过10,575个身份的信息。如果在训练前对数据进行过滤，则可以观察到性能上的改进，有关如何完成这一操作的具体信息将在后续提供。 最佳模型已经在VGGFace2数据集上进行了训练，该数据集中包含约3.3M张面部图像和大约9000个类别。同时提供了几个预训练的模型选项。
     
  • MATLAB中的人脸识别与特征提取
    优质
    本项目深入研究了在MATLAB环境下实现人脸识别及特征提取的技术方法，涵盖人脸检测、预处理、关键特征点定位和模式识别等多个方面。 用Matlab编写的人脸识别代码，其中包含了若干张照片，并采用了Gabor特征提取方法以及Face Detection System。
     
  • 人脸识别的Matlab代码
    优质
    这段简介可以描述为：人脸识别的Matlab代码提供了基于MATLAB的人脸识别算法实现，包括人脸检测、特征提取和分类器训练等内容，适用于学习与研究。 人脸识别实验使用 Matlab 2012 软件进行操作。其中涉及的代码包括以下脚本：im_process（读取jpg图像、矢量化并组合成数据矩阵）、pw_xn（准备用于人工神经网络训练和测试的数据）、mcnn（训练和测试MCNN模型）、pw_nn 和 pw_test（分别用来训练和测试PWNN）。实验中使用了Yale Extended B 数据库中的图片，生成的样本数据矩阵存储在Yale1.mat文件内。 具体操作步骤如下：首先，在Matlab环境中运行脚本pw_xn.m以创建xn.mat。接着执行mcnn.m脚本来利用给定设置训练和测试MCNN模型；当该过程完成后，5倍交叉验证下的平均性能（mp）与标准偏差（sp）会在Matlab命令窗口中显示出来。同样地，可以通过运行pw_nn5.m 来进行PWNN的训练及测试操作。 以上就是人脸识别实验的主要步骤及相关说明信息。
     
  • MATLAB人脸识别代码
    优质
    这段代码提供了一个使用MATLAB进行人脸识别的实现方案，包括人脸检测、特征提取和分类器训练等关键步骤。适合初学者学习人脸识别技术原理与实践应用。 我从网上获取了一些资源，这些资源的注释是英文的。但我自己添加了代码解说部分。这段MATLAB代码使用PCA方法进行人脸识别，并通过两个实例来验证其有效性。欢迎大家下载学习。
     
  • MATLAB人脸识别代码
    优质
    这段简介可以描述为：“MATLAB人脸识别代码”提供了使用MATLAB编程语言实现的人脸检测与识别算法源码。该资源包含了从人脸检测、特征提取到最终分类器训练和测试等完整流程，适用于科研学习及项目开发。 选择图片（如tif、jpg格式）进行人脸检测识别，最终能够框出人脸所在位置。