搜索资源列表
基于Gabor特征提取和人工智能的人脸检测系统源代码
- 使用步骤： 1. 拷贝所有文件到MATLAB工作目录下(确认已经安装了图像处理工具箱和人工智能工具箱) 2. 找到"main.m"文件 3. 命令行中运行它 4. 点击"Train Network"，等待程序训练好样本 5. 点击"Test on Photos"，选择一个.jpg图片，识别。 6. 等待程序检测出人脸区域
haarcascade_frontalface_alt2
- 前脸训练器，能很好的进行分类，适用于人脸检测-foreface train
adboost_cascade
- 基于adaboost的人脸检测算法,包括训练，修改了数据读取结构，降低了内存需求-Based on adaboost face detection algorithms, including training, to modify the data read structure, reducing the memory requirements
GMM_Skin_Detector
- Matlab skin detector。运用高斯混合模型训练的到人的皮肤颜色分布。用于皮肤和人脸检测。-A collection of Matlab scr ipts
adaboost
- 人脸识别，基于MATLAB的一个人脸识别训练样本-recognition of face
facerecognitionMATLAB
- 人脸检测的MATLAB代码，包括训练过程。程序的中间用到了PCA的方法。-MATLAB code for face detection, including the training process. Procedures used in the middle of the PCA approach.
AdaBoost
- 一篇在人脸检测时用于训练反面训练集的文章，可以-A face detection in the negative training set for training the article, you can see
Adaboost-detection
- 基于ADABOOST的人脸检测程序，有分类器训练和测试-face detection based on adaboost
112[1]
- 人脸检测根据姿态评估，然后利用adaboost方法训练分类器，是一片值得收藏的文章-Face detection based on posture assessment and classification using adaboost training method, is a worthy collection of articles
face-detection
- 一个用神经网络进行人脸检测的程序,解压后运行main.m文件，之后对神经网络进行训练，需要一定的时间，耐心等待，最大400个周期，然后就可以对灰度人脸图像进行检测了。 -A neural network with a face detection program, run the main.m file after decompression, the neural network after training, take time, patience, maximum 400 cycles
body10
- OpenCV训练自己的分类器可以实现人脸检测躯干检测-OpenCV train their own classification
Haar
- haar+adaboost人脸训练和检测源码,优化程序,速度极快-haar+adaboost face training and testing source code optimizer, fast
facial--expression
- 这个是面部表情自动识别的源代码。它是基于Viola和Jones的面部检测算法和Gabor面部特征点的提取，然后使用训练过的神经网络来识别人脸表情。-This is the automatic recognition of facial expression source code. It is Viola and Jones face detection algorithms and Gabor facial feature point extraction, and then use the
ViolaJones_version0b
- 经典的Haar-like+adboost级联训练的人脸检测算法-The classic Haar-like+adboost cascade training of face detection algorithm
XXX
- 模型训练完毕之后，进行检测，进行人脸识别(After the model training is completed, the test is carried out)
卷积神经网络详述
- 从卷积神经网络的发展历史开始，详细阐述了卷积神经网络的网络结构、神经元模型和训练算法。在此基础上以卷积神经网络在人脸检测和形状识别方面的应用为例，简单介绍了卷积神经网络在工程上的应用，并给出了设计思路和网络结构。(Starting from the history of the convolution neural network, the network structure, neuron model and training algorithm of the convolution neur
PCA_classifier_version1b
- 许多图像问题需要某种物体的检测，其中图像之间的物体的外观有自然的变化。 如人脸识别，病变检测，神经通道分割。 这些图像问题可以通过手动注释图像对象来解决，以训练识别正常物体外观的模型。 这可以通过基于PCA的最大似然分类器来完成。(PCA algorithm suitable for detection / recognition of 2D image "objects")
BP神经网络
- 第一个m文件：构造、训练BP神经网络并计算其识别率；第二个文件将进行人脸检测。注意：orl人脸数据库需要在网上下载。(The function of the first m file is to construct and train the BP neural network and calculate its recognition rate. The second is the detection of face. Note: the ORL face database needs to