人脸检测 RetinaFace

  ap不高，挺快，号称1000fps https://github.com/ShiqiYu/libfacedetection   这个6ms,能检测近距离人脸，无关键点 mxnet https://github.com/jacke121/faster-mobile-retinaface

云网融合 — 云网融合与云网一体化

云网融合的趋势逐渐由 “互联” 向 “云 + 网 + 业务” 过渡。云间互联只是过程，最终目的是达成云网和实际业务的高度融合。包括：服务资源的动态调整、计算资源的合理分配、定制化的业务互通等。

《Python人脸识别：从入门到工程实践》

王天庆 CONTENTS目　　录前言第1章　人脸识别入门1　1.1　人脸识别概况11.1.1　何为人脸识别11.1.2　人脸识别的应用21.1.3　人脸识别的目标41.1.4　人脸识别的一般方法5　1.2　人脸识别发展状况81.2.1　人脸识别历史沿革81.2.2　DT时代的呼唤101.2.3

人脸识别 确定阈值

人脸识别中的阈值应该如何设置？ 随着人脸识别技术使用范围越来越广，大部分使用者可能对人脸识别中的某一方面不是很懂，咨询的问题也五花八门，下面，主要讲解视壮人脸识别中的阈值应该如何设置？ 首先我们来看看提供的一组数据（绝对数值有修改，可以定性来看）。

人脸识别

人脸检测实战：使用opencv加载深度学习模型实现人脸检测

使用 OpenCV 和深度学习进行人脸检测 今天的博文分为三个部分。 在第一部分中，我们将讨论更准确的 OpenCV 人脸检测器的起源以及它们在 OpenCV 库中的位置。 然后我将演示如何使用 OpenCV 和深度学习在图像中执行人脸检测。

人脸识别使用base64的方式添加人脸

http://imgbase64.duoshitong.com把图片上传上去，复制生成的base64编码就可以了，这里需要注意一点：生成的base64字符串开头是下面的字符串要去掉 data:image/png;base64,否则会提示失败接下来我们调用接口，需要注意以下几点第一，添加人脸图片的接口为

人脸识别 - 基于 OpenCV

原理解释 人脸检测 人脸检测是通过算法在图像或视频中定位人脸的过程。OpenCV 提供了基于 Haar 特征和 LBP 特征的级联分类器，可以高效地检测人脸。 人脸识别 人脸识别是通过提取人脸特征并与已知特征进行比对，从而识别出人脸身份的过程。

人脸检测实战终极：使用 OpenCV 和 Python 进行人脸对齐

和面部标志对齐人脸。

模糊人脸数据集

  人脸数据集： https://zhuanlan.zhihu.com/p/48347016   关键点检测数据集 检测到人脸后，通常都需要定位出图像的轮廓关键点，关键点是人脸形状的稀疏表示，在人脸跟踪，美颜等任务中都很重要，现在已经从最开始的5个关键点发展到了超过

ssh 人脸检测

  https://github.com/walkoncross/algortest-scripts-zyf/blob/8c77e0012994a66864aae957ddb21ccd4f348f69/face-det/widerface/ssh-fd-widerface-eval.py

python人脸考勤系统

基于一个开源项目进行改编设计 先来看演示，具体讲解有空再说… 设计数据库 数据库用于存储打卡信息等

SVM实现人脸识别

人脸识别 这里使用的测试数据共包含40位人员照片，每个人10张照片。 作为支持向量机实际应用的一个例子，让我们来看看面部识别问题。 我们将使用Wild数据集中的贴有标签的人脸，它由数千张整理过的各种公众人物照片组成。

最快人脸检测：

支持最小检测人脸10x10大小   OpenCV DNN可以直接调用训练好的caffe模型文件，实现实时人脸检测，演示代码如下： 1#include <opencv2/opencv.hpp> 2#include <opencv2/dnn.hpp&gt

人脸识别系列 | 人脸比对实现判断并查找面部特征

” ) 给定一个图像，提取图像中每个人脸的脸部特征位置 参数： face_image ：输入的人脸图片 face_locations=None ： 可选参数，默认值为None，代表默认解码图片中的每一个人脸。

人脸识别系列 | 实现人脸截图保存和128维向量化

前情提要 通过上一篇我们就可以对图片中的人脸进行识别，这篇文章就来教大家怎么对人脸部分进行截取保存。并且将图片中的每张人脸编码成一个128维长度的向量，通过这个后续能在人脸之间进行比对。