搜索资源列表
face_detect
- OPENCV做的一个人脸识别并跟踪的程序.用的自带的分类器.对入门很有帮助.
ModularPCA
- matlab编写的Modular PCA的源代码，以Yale人脸库为例。Moduplar PCA首先对原始图像分块，然后对分块后的所有子图像进行PCA分析提取投影特征，对待识别图像也是先进行分块，然后分别计算子图像在投影特征下的投影系数，最后根据最近邻分类器进行分类。
malic
- Malic是一个完整的Linux下的人脸识别系统源代码，它是SourceForge上的一个开源项目，使用Malib实现实时处理，CSU Face Identification Evaluation System进行人脸识别。算法包括：主成份分析(principle components analysis (PCA)),a.k.a eigenfaces算法,混合主成份分析,线性判别分析(PCA+LDA),图像差分分类器(IIDC),弹性图像匹配算法(EBGM)
namerecognition
- 本代码利用了神明网络作为分类器对复杂情况下的人脸识别进行了一定的改进
face_recognition
- 通过分类器自动识别图像中的人脸-Automatic recognition through classifier human face images
OPENCVfacedetection
- 用OPENCV做的人脸识别程序，实现跟踪检测，用的是自带的分类器-OPENCV do with face recognition program, to achieve tracking and detection, using a built-in classifier
shibie
- 基于奇异值分解的人脸识别方法 梁毅雄 龚卫国 潘英俊 李伟红 刘嘉敏 张红梅 提出了一种将傅里叶变换和奇异值分解相结合的人脸自动识别方法.首先对人脸图像进行傅里叶变换,得到其具有位移不变特性的振幅谱表征.其次,从所有训练图像样本的振幅谱表征中给定标准脸并对其进行奇异值分解,求出标准特征矩阵,再将人脸的振幅谱表征投影到标准特征矩阵后得到的投影系数作为该人脸的模式特征.然后,对经典的最近邻分类器算法进行了改进,并采用模式特征之间的欧式距离作为相似性度量,从而完成对未知人脸的识别.采用ORL
Haar
- 用haar 小波分类器分析人脸识别 的源码。分级强分类器-Haar wavelet classifier with the source code of face recognition. Rating strong classifier
zuijinlinfenlei
- 我们使用MATLAB软件实现了人脸识别并统计其识别率。本实验采用PCA（主成分分析）方法，利用K-L变换和奇异值分解原理实现。并分别采用最近邻法分类器得出它们的成功率。-We use face recognition software and the MATLAB Statistics recognition rate. The present study, PCA (principal component analysis) method, using KL transform and sin
1
- SVM分类器，可用于人脸识别，机器学习等。-Texture feature extraction, and classification, SVM classifier is.Can be used for face recognition, machine learning, etc.
Face-gender-recognition
- 对人脸进行性别识别，采用距离分类器计算测试样本与训练样本的距离-Face gender recognition
pca
- pca算法实现人脸识别，包括数据图片，特征提取算法，最近邻分类器算法-pca algorithm for face recognition, including data pictures, feature extraction algorithm, nearest neighbor classifier algorithms, etc.
2DPCA
- 本程序采用2级PCA提取特征，最小藕欧距离分类器进行人脸识别，实验数据为orl人脸库。-failed to translate
matlab-face-recognition
- 基于PCA和FLD的人脸识别的线性分类器-Face recognition based on PCA and FLD linear classifier
pattern-recognition
- 基于特征向量的人脸识别，有训练集和样本集，通过Adaboost强分类器算法实现，结果精确度达到95 以上，给定一个example,就可以在样本集中识别出对应的人脸。-Face recognition based on feature vectors have the training set and sample set by Adaboost strong classifier algorithm, the results of more than 95 accuracy, given an
基于Gabor-pca的人脸识别
- 人脸识别完整的程序，特征提取之后，然后用分类器识别。-face recognition
人脸识别代码
- 通过奇异值分解作为特征处理，训练人脸识别分类器，附带测试图片(Singular value decomposition (SVD) is used as feature processing to train the face recognition classifier)
FaceRecSys
- 本程序为人脸识别系统，首先建立人脸库模块，然后对人脸库进行信息编辑以及训练人脸识别分类器，最后为人脸识别模块。采用的visual studio + opencv实现，界面清晰美观，实验效果较好。(The program for the face recognition system, the first establishment of the face library module, and then face the library for information editing and t
Facial detector
- 人脸识别系统 通过matlab自带分类器和降噪功能对图片人脸的五官和人脸进行勾勒(The face recognition system is based on Matlab's own classifier and noise reduction function to outline facial features and faces.)
人脸识别 MATLAB代码
- 使用pca方法对图像进行特征提取，对训练集的20个人的共一百张人脸进行训练，使用adaboost算法生成强分类器，可以对测试集的人脸图片进行识别，且识别率较高(The PCA method is used to extract the features of the image, and the training is carried out for a total of 100 faces of 20 people in the training set. The AdaBoost algor