搜索资源列表
face
- 利用肤色模型，头发区域实现基本的人脸检测，可以标定眼睛，鼻子和嘴- face detection base on skin model and can give the landmark of eyes，nose and mouth
FaceDetection
- 人脸检测。用c++编写。人脸检测是人脸分析的首要环节，其处理的问题是确认图像（或影像）中是 否存在人脸，如果存在则对人脸进行定位。人脸检测的应用领域相当广泛，是实 现机器智能化的重要步骤之一。 AdaBoost 算法是1995 年提出的一种快速人脸检测算法，是人脸检测领域里 程碑式的进步，这种算法根据弱学习的反馈，适应性地调整假设的错误率，使在 效率不降低的情况下，检测正确率得到了很大的提高。-Face Detection. Using c++ to prepare. Fac
Edit68CMU_pack
- 卡耐基梅隆大学AAM算法中标定人脸上68个标志点的matlab程序-locate the landmark in the face images
aasthana_cvpr2013_code_version_1.0
- 人脸检测和特征点定位源码，2014CVPR-face detect and the landmark detect
caffe-Landmark(5points)vcPP
- caffe神经网络实现的人脸关键点定位5点的；本上传是编过的，源码及编译说明在说明里面-caffe neural network face key point positioning 5:00 The upload is compiled, the source code and compile the descr iption in the descr iption inside
Robust_Face_Landmark
- 在现实世界条件下获取人脸存在较大的变化在形状和遮挡由于不同在姿态、表情、附属品的使用，例如，太阳镜和帽子以及与目标体（e.g. 食物）的交。当前的人脸界标估计方法在这种条件下努力但由于缺乏一种有效的理论方法用于处理局外点。我们提供了一个新奇的方法，称为Robust Cascaded Pose Regression (RCPR)，通过检测显式的遮挡且使用鲁棒的形状索引的特征可以减少exposure对于局外点。我们证明RCPR改进先前的界标估计方法在3个通用的人脸数据集上(LFPW, LFW and
face-landmark-localization-master
- 使用caffe 进行人脸关键点检测，共68个关键点，使用的语言是python。-Caffe use for face detection key points, a total of 68 key points, the language used is python.
FacialLandmarks_CBA12
- facial landmark extraction in face recognition
High-Dimensional-LBP-master
- 我的高维LBP特征的人脸识别方法董晨，徐东曺，方文执行，简隼。维度祝福：高维特征及其对人脸验证的有效压缩。计算机视觉与模式识别（CVPR），2013。我用OpenCV的人脸检测和人脸地标检测内部接口。实现的详细信息可以在Bor Chun Chen、楚松晨、Winston H. Hsu中找到。审查和高维局部二进制模式及其在人脸识别中的应用实施，技术报告tr-iis-14-003，中央研究院信息科学研究所，2014。（PDF）如果您使用此代码进行研究，请引用上面的技术报告。有关更多信息，请访问项目网
openface-master
- toolbox for facial landmark detection, head pose estimation, facial action unit recognition, eye-gaze estimation
deep-landmark-master
- this is depend on python, and it is used for face landmark detection, very fast and robust.
dlib-18.17
- it is a c++ lib,and has many use,such as landmark ,face detection, all this in example
face-landmark
- 人脸68点标注，用于人类面部关键点检测，结合dlib(face landmark master)