搜索资源列表
人脸检测系统
- 用VC++实现图像的人脸区域获取及特征提取
毕业设计:人脸识别系统设计软件
- 本软件主要用到的图像处理技术是：光线补偿、高斯平滑和二值化。在识别前，先对图像进行补光处理，再通过肤色获得可能的脸部区域，最后根据人脸固有眼睛的对称性来确定是否就是人脸，同时采用高斯平滑来消除图像的噪声，再进行二值化，二值化主要采用局域取阈值方法，接下来就进行定位、提取特征值和识别等操作。经过测试，图像预处理模块对图像的处理达到了较好的效果，提高了定位和识别的正确率。 随软件附上设计文档和参考资料。
基于Gabor特征提取和人工智能的人脸检测系统源代码
- 使用步骤： 1. 拷贝所有文件到MATLAB工作目录下(确认已经安装了图像处理工具箱和人工智能工具箱) 2. 找到"main.m"文件 3. 命令行中运行它 4. 点击"Train Network"，等待程序训练好样本 5. 点击"Test on Photos"，选择一个.jpg图片，识别。 6. 等待程序检测出人脸区域
FaceDetect.rar
- 经典的人脸识别算法实例.它实现了“人脸区域检测”和“特征标注”。,Classic example of face recognition algorithms. It implements the
skindetect
- 根据肤色进行人脸区域检测，将图像进行颜色域转换，-skindetect
FaceDetection_Based_on_a_New_Nonlinear_Color_Space
- 提出一种新的非线性变换的彩色空间 ″″, 利用次高斯概率分布函数拟合皮肤色度信息, 得到候选区 YC C r b 域。为了排除候选区域中的非人脸, 首先根据均值和方差信息分割出候选区域中的纹理特征信息, 再通过多尺度 ) ( 信息定位眼睛, 然后根据人脸特征的几 形态边缘检测算子检测候选区域的边缘, 利用 边缘方向 PCA PCAED ( ) 何形状信息定位其他特征 鼻、嘴 , 通过这些几何特征信息对肤色分割得到的候选区域进行验证, 最终得到正确 的人
FACEDETECTION
- 人脸检测系统，能完成人脸区域检测，人眼，嘴检测定位，勾绘人脸等功能-Face Detection system can detect the completion of the region face, eyes, mouth detection position of hooks face painting and other functions
20080525_d2f04cb214e13f1bc087WIOdE9Re6Vuw
- 目 录 摘要 2 关键词 2 Abstract 3 Keyword 3 1人脸检测的意义，国内外的情况综述 4 2 基于肤色的人脸定位 6 2.1彩色空间，以及彩色空间的转换 6 2.2人脸肤色模型，二值化 7 2.3后处理 9 2.4人脸区域的定位 10 3视频流 10 3.1 视频工具包Video for Windows 10 3.2视频流采集的实现 11 3.2.1 AVICap主要功能 11 3.2.2 视频采集算法 12
FaceRecognition
- 人脸识别和定位，包括模板匹配，特征检测，人脸区域的检测-Face recognition and positioning, including template matching, feature detection, face detection region
vc-imageprocessing
- 本光盘共包括三个工程，分别是用于实现数字图像基本处理算法的DimageProcess工程， 用于实现图像融合的PixelFusion工程和用于人脸识别的FaceDetection工程。 关于程序的运行， DImageProcess工程只需载入Bmp格式的文件，便可通过菜单实现各种处理算法， 需要强调一点，其只对256色格式的图片进行处理。 PixelFusion工程程序运行时，用户须载入两幅图片，其中全色图像选择给定的图片spot.bmp， 而多光谱图片则为给定的图片tm
Desktop
- 人脸识别技术是计算机模式识别领域非常活跃的研究课题，在法律、商业等领域有 着广泛的应用前景。自动人脸识别系统一般由两个模块组成：定位与检测模块，特征提 取与识别模块。本文对两个子模块进行了详细讨论，通过实验仿真了一个基于静态图像 的人脸识别系统。为提高系统的识别率，本文对定位检测模块和特征提取模块进行了深 入研究。 针对复杂多变人脸检测和定位问题，实现了一种基于对称特征的人脸定位方法。该 算法首先基于肽色特征提取出人脸区域，根据眼睛的颜色和梯度特征在肤色区找到眼睛 可
c_shapr_detection
- c#写的人脸检测系统,用眼睛和嘴巴轮廓对人脸区域进行定位-c# write face detection system, eyes and mouth contour to locate the face region
renlianjiance
- 已有的眼睛状态识别方法不仅计算量大，而且易受环境因素(如光照条件)的影响。为此本文提出了一种新的眼睛状态识别方法:首先对实时拍摄的图像利用运动信息和肤色特征进行人脸检测 然后在检测到的上半部人 脸区域采用Adaboost算法只检测驾驶员正常状态下睁开的眼睛，把检测 的眼睛与眉毛分割出来制成正常睁开眼睛模板 最后把眼睛模板与未检测 到眼睛的上半部人脸区域进行匹配，当该区域的最大相似度值小于某闽值 时认为眼睛是闭合状态，否则认为眼睛是睁开状态。并根据眼睛状态计算 眼睛平均闭合时间
EyeMap_MouthMap
- Matlab平台下在人脸区域利用EyeMap和MoutMap算法检测眼睛-Matlab platform in the face region detection algorithm using EyeMap and MoutMap eyes
renlianjiance
- 基于模板匹配和肤色检测的人脸检测，包括肤色分割，类似人脸区域检测，模板调整及模板匹配的代码-Template matching and color-based face detection testing, including skin color segmentation, similar to the face region detection, templates and template matching to adjust the code
facedetection
- 人脸区域检测，对图像中的人脸区域进行检测并用矩形框标记。-Face region detection, face image in the region to detect and mark with a rectangular box.
FaceRecognition
- 基于肤色的人脸检测系统（对于多人照或单人照都正确找到人脸区域）(Face detection system based on skin color)
人脸识别
- 使用OPENCV库提供的接口，实现人脸的识别功能。 在一个人脸识别系统中，应用多种预处理技术对将要识别的图片进行标准化处理是极其重要的。多数人脸识别算法对光照条件十分敏感，所以假如在暗室训练，在明亮的房间就可能不会被识别出来等等。比如脸部也应当在图片的一个十分固定的位置（比如眼睛位置为相同的像素坐标），固定的大小，旋转角度，头发和装饰，表情（笑，怒等），光照方向（向左或向上等），这就是在进行人脸识别前，使用好的图片预处理过滤器十分重要的原因。你还应该做一些其它事情，比如去除脸部周围的多余像素（
基于matlab的简单人脸识别实例
- 这里通过对人脸图像打上网格，对区域块图像做二值分析，通过像素比例来 做处理。进而得到人脸区域。(In this way, the face image is gridding, and the two value analysis is done to the area block image, and the pixel ratio is used. Do it. Then the face area is obtained.)
MATLAB人脸识别PCA[库外人连，报警，GUI，论wen]
- 该课题为基于MATLAB平台的PCA的人脸识别系统。原理为：从一副生活照中寻找到人脸，分割人脸区域图像，PCA算法进行降维，和库里图片进行对比，输出目标人脸以及相关个人信息。该课题还可以继续二次开发，做成库内外人脸的识别，如果是库外人脸则实现报警等。(This project is a PCA face recognition system based on MATLAB platform. The principle is: find the face from a life photo, s