FERET数据集中的，200个人，每人7幅图，每幅图是80x80,经过matlab处理的，分为特征维和类别标记，可用于模式辨认和机器学习算法。
2023/3/7 3:45:10
14.64MB
1
原版的Yale人脸库（格局转换了一下），15个人，每人11张图片，灰度，png格局，100x100，有表情、光照和眼镜变化，已剪裁和对齐
2023/2/23 21:06:39
1.47MB
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
基于训练卷积神经网络alexnet的人脸识别设计，并采用级联目标检测技术对裁剪人脸进行识别。
使用函数capturefacesfromvideo.m从视频获取训练数据，并存储人脸图像。
使用函数cropface.m从训练数据的图像中裁剪人脸。
经过改变各层的数量来训练卷积神经网络alexnet。
使用训练后的newnet实现人脸识别。
使用函数capturefacesfromvideo.m从视频获取训练数据，并存储人脸图像。
使用函数cropface.m从训练数据的图像中裁剪人脸。
经过改变各层的数量来训练卷积神经网络alexnet。
使用训练后的newnet实现人脸识别。
2023/2/22 15:01:11
94KB
1
该SDK涉及的人脸识别终端机器型号有：FK603、FK605、FK610、FK628、F7、F710、C220、C230、C330、E350、E350A、E352、S7150A、F810，支持在以下操作系统平台上开发：Windows2000、WindowsXP、Windows2003、WindowsVista、Windows7。
使用前请安装vsc++2013运转库.接口与2.0的版本一样。
使用前请安装vsc++2013运转库.接口与2.0的版本一样。
2023/2/19 23:12:29
540KB
1
OpenCv人脸识别源代码，编程环境是：VS2013大家需要先配置好环境，才能运转工程。
运转工程时，点击里面的Network_18_01_28_Face_Check.vcxproj，即可进入工程。
运转工程时，点击里面的Network_18_01_28_Face_Check.vcxproj，即可进入工程。
2023/2/19 10:50:32
3.44MB
1
基于window的人脸识别考勤系统，人脸识别模块使用python的Face_recognition模块，后台基于Django和SQLite数据库，前端次要使用layui。
作为本科毕设，内容较为简单。
作为本科毕设，内容较为简单。
2023/2/18 10:14:25
142.43MB
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