运行于matlab下的人脸识别的全套源码，包括人脸数据库和非常详细的实验说明书（11页，带截图），根据说明能运行，能看懂代码；
采用的特征提取算法是奇异值分解，采用的分类器是神经网络；
希望对大家有帮助！
采用的特征提取算法是奇异值分解，采用的分类器是神经网络；
希望对大家有帮助！
2023/8/4 9:01:53
6.44MB
1
该内容为fisherface的matlab代码，绝对可以运行，实验的数据库为ORL人脸数据库，并且在代码中很多中文注释，便于理解，为了大家方便，在压缩包中还放了fisherface的原始原始论文和PCA算法的原始论文。
希望这些资料对大家有所帮助。
希望这些资料对大家有所帮助。
2023/7/24 23:24:58
15.79MB
1
基于matlab的人脸识别课程设计（含代码）,使用特征脸算法，利用matlab技术编写代码，实现人脸数据库的识别
2023/7/7 10:53:12
454KB
1
美国军方的FERET人脸数据库，共1400幅图片。
包括200个人，每人7幅，对应不同的姿态，表情，和光照条件，是目前最权威的人脸数据库，做人脸识别必备！
包括200个人，每人7幅，对应不同的姿态，表情，和光照条件，是目前最权威的人脸数据库，做人脸识别必备！
2023/7/1 23:40:33
16.93MB
1
光照预处理是人脸识中种有效的处理光照变化的方法。
近年来涌现出一系列人脸光照预处理方法，但针对这些方法的系统对比与分析的工作相对较少，本文在系统比较现有方法的基础上提出了人脸光照预处理方法的新见解和结论，以及如何设计更好的预处理方法。
我们对12种具有代表性的光照预处理方法进行比较研究（HE，LT，GIC，DGD，LOG，SSR，GHP，SQI，LDCT，LTV，LN和TT），着重于两个新的角度：（1）全局方法的局部化和（2）大尺度和小尺度特征带的融合。
在公开的人脸数据库（Yalebext，CMU-PIE，CAS-PEAL和FRGCv2.0）上的实验表明，对全局的光照处理方法（HE，GIC，LTV和TT）进行局部化进一步提高了功能。
对（SSR，GHP，SQI，LDCT，LTV和TT）等方法进行大尺度和小尺度的融合有助于光照不变的人脸识别。
来源：http://valser.org/forum.php?mod=viewthread&tid=1051&page=1&extra=#pid1254
近年来涌现出一系列人脸光照预处理方法，但针对这些方法的系统对比与分析的工作相对较少，本文在系统比较现有方法的基础上提出了人脸光照预处理方法的新见解和结论，以及如何设计更好的预处理方法。
我们对12种具有代表性的光照预处理方法进行比较研究（HE，LT，GIC，DGD，LOG，SSR，GHP，SQI，LDCT，LTV，LN和TT），着重于两个新的角度：（1）全局方法的局部化和（2）大尺度和小尺度特征带的融合。
在公开的人脸数据库（Yalebext，CMU-PIE，CAS-PEAL和FRGCv2.0）上的实验表明，对全局的光照处理方法（HE，GIC，LTV和TT）进行局部化进一步提高了功能。
对（SSR，GHP，SQI，LDCT，LTV和TT）等方法进行大尺度和小尺度的融合有助于光照不变的人脸识别。
来源：http://valser.org/forum.php?mod=viewthread&tid=1051&page=1&extra=#pid1254
2023/2/23 14:39:43
560KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB