搜索资源列表
faceRecog基于OpenCV的人脸识别系统
- 使用了Gabor+LDA算法，包含人脸检测、对齐、光照预处理、识别模块
自己关于TVL1方法的改进
- 自己关于TVL1方法的改进 用来去除人脸上面的光照得到人脸的纹理图像，对于光照下人脸识别有相当大的作用。也可以用来定位,Their own methods to improve on TVL1 people face to face to remove the light to be Face of texture images, for face recognition under illumination a significant role. Can also be used to pos
Equalization
- MATLAB实现人脸识别,光照归一化算法-MATLAB realization of face recognition, illumination normalization algorithm
去除人脸光照不均
- 光照不均是人脸识别的的一个难点和关键！光照不均严重影响了人脸识别的结果。改算法可以较好的去除人脸的关照不均！
FaceRecog_src100902
- 基于OpenCV的人脸识别演示程序。目前实现了Gabor+Fisherface算法，还有几何和光照归一化。 -->请到 http://code.google.com/p/facerecog/ 下载最新版本。<-- 功能：对摄像头拍摄的或用户指定的图像，检测其中人脸，然后在已存储的人脸库中找到最匹配的人脸并显示。 在VS 2008 SP1上编写，使用了OpenCV 2.0和MFC，通过消息处理函数与用户进行交互，利用多线程来实时显示图像。 数据处理分为了C
facedetect
- （1）图像预处理：包括输入、输出、显示、缩放等，以及图像的腐蚀、膨胀，图像校正，亮度及对比度调节，光照补偿，色彩平衡等；（2)人脸检测功能，并对检测出的人脸进行标记。-(1) Image preprocessing: includes input, output, display, zoom, and image of the erosion, dilation, image correction, brightness and contrast adjustment, illumination
illumination-normalization
- 这个c#编写的程序，用来对人脸图像进行预处理，从而提升人脸识别算法的性能。这里提出了3种用于人脸识别的图像预处理的光照归一化算法，即：Multiscale retinex和anisotropic 和isotropic平滑方法。-The c# Preparation procedures used for face image preprocessing, so as to enhance the performance of face recognition algorithms. Here p
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
lpp
- 基于LPP的人脸识别模块，运用matlab7.0编写，识别率达到70 以上，能够很好的识别不同姿势，光照，表情的变化-LPP-based face recognition module, using matlab7.0 writing, over 70 recognition rate can be a very good identification of the different positions, illumination, expression changes in
hh
- 人脸识别（色彩空间转换，光照补偿，提取定位人脸）-face recognition
yalefaces
- Yale人脸库（美国）： 耶鲁大学，15人，每人11张照片，主要包括光照条件的变化，表情的变化等。-Yale Face Database (U.S.): Yale University, 15 people, each 11 photos, mainly including changes in lighting conditions, expressions of the change.
Facerecognitionbasedonilluminationinvariant
- 基于光照不变量的人脸识别-Face Recognition,Based on Illumination Invariant
3DFaceRecognitionBasedon3DLBPandKernelDiscriminant
- 二维照片的人脸识别对光照、姿态和化妆等因素很敏感，故提出了一种将三维局部二值模式(3DLBP)和核享，1剐分析(KDA)相结合的三维人脸识剐方法．采用3DLBP描述人脸深度图像的特征，高斯核函数KDA 作为分类器，使用Chi平方统计改进高斯核函数、采用FRGC v2．0中2003春季采集的三维人脸库进行实验．实验结果表明，该 方法在每人2个训练样本时，识别率为91．8％，而PCA和3DLBP的识别率分别为60．4％和78．3％；当每人的训练样本数增至6个时，识别率为98．4％，而PCA和3D
codeforFaceDetecting
- 一个人脸检测的程序，里面有光照补偿，肤色分割，腐蚀，眼睛检测，嘴巴检测，功能齐全，效果很好-A face detection program, which has light compensation, color segmentation, corrosion, eye detection, mouth detection, functional, good results
FaceDetection
- 对图像进行光照补偿，再利用肤色对其进行人脸检测，二值化，值得一看！-Illumination compensation of the image, and then carried out using skin color of their face detection, binarization, worth a visit!
Untitled13
- 皮肤检测的最终目标是构建一个决策规则，并以此将图像中的像素划分为肤色和非肤色两类，一般通过引入一个衡量像素点颜色与“标准肤色”的距离而实现的，该距离是由相应肤色建模的方法决定的。人脸检测MATLAB源代码关于彩色图像光照补偿-The ultimate goal of skin detection is to build a decision-making rules, and use of the image pixels into skin and non-Fuse types, usuall
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
FER_sourcecode
- 人脸检测的程序，克服车内的复杂光照环境，用于安全驾驶-Face detection process, to overcome the car' s complex lighting environment, for safe driving
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PCA的人脸识别
- 主成分分析法(principal conponent analysis, PCA)也叫Hotelling变换或特征脸法，是基于 K-L变换基础上研发得到的。该方法的核心是能够降低图像空间的维度，具体做法是将原始的数据通过某种线性变换从高维度空间转变到低维度空间中，这些数据彼此不相关，根据贡献率选取最大的前一部分，使原数据具有最大的变化量，对后面的图像也向这个空间投影，然后比较它们之间的距离来确定类别关系。PCA方法的缺点是对光照问题比较敏感。