读入图像序列，从图片中定位人脸，按输入要求尺寸抓取人脸，并可通过尺寸归一、灰度归一处理图像，进而实现对图像序列的表情识别
上传时间： 2014-12-06
上传用户：1159797854
为了更准确地识别人的表情，在识别人脸7 种基本表情（愤怒、厌恶、恐惧、高兴、无表情、悲伤和惊讶）时，采用了局域二值 模式技术提取面部特征，进行由粗略到精细的表情分类。在粗略分类阶段，7 种基本表情中的2 种表情被选为初步分类结果（候选表情）。 在精细分类阶段，选用计算加权卡方值确定最终分类结果。采用日本的Jaffe 表情数据库来验证算法性能，对陌生人表情的识别率为77.9％， 其结果优于采用同样数据库的其他方法，且易于实现
标签： 识别
上传时间： 2013-12-25
上传用户：蠢蠢66
这是一份基于人工神经网络的人脸训练源码。可以用于训练识别表情，定位人脸以及五官。并且里面还有一个图形库的包
上传时间： 2014-01-09
上传用户：阿四AIR
识别简单表情的BP网络算法，使用Matlab实现，很好用，适合初学者，~
上传时间： 2017-08-30
上传用户：bruce5996
人耳识别技术是20世纪90年代末开始兴起的一种生物特征识别技术，与其它生物特征识别技术比较具有以下几个特点：（1）与人脸识别方法比较，耳识别方法不受面部表情、化妆品和胡须变化的影响，同时保留了面部识别图象采集方便的优点，与人脸相比，整个人耳的颜色更加一致、图像尺寸更小，数据处理量也更小。（2）与指纹识别方法比较，耳图象的获取是一种被动方式，即通过非接触方式获取耳图像，不存在通过接触传染疾病的机会，因此，其信息获取方式具有容易被人接受的优点。（3）与虹膜识别方法比较，首先，由于人脸和头发的存在，需要在耳识别过程中增加一个耳区域定位步骤，这并不影响耳特征的提取，而眼毛对虹膜的遮挡将直接影响虹膜特征的提取。头发对于耳的遮挡可以容易地避免，而眼毛对于虹膜的遮挡是生理结构决定的，也是难以避免的。其次，就目前的技术而言，虹膜采集需要测试者与采集装置之间的位置在机器发出的语言提示下进行不断地调整，同时要瞪大眼睛，使虹膜尽可能暴露，初试者通常要反复多次调整才能够达到要求，而耳采集方式与脸采集方式基本相同，测试者很容易达到拍摄图象的要求条件。最后，虹膜采集装置的成本要高于耳采集装置。
上传时间： 2013-12-20
上传用户：坏坏的华仔
人脸识别技术的几个主要研究方向,计算机人脸识别是指基于已知的人脸样本库,利用计算机分析图像和模式识别技术从静态或动态场景中,识别或验证一个或多个人脸。通常识别处理后可得到的基本信息包括人脸的位置、尺度和姿态信息。利用特征提取技术还可进一步抽取出更多的生物特征(如:种族、性别、年龄..) 。计算机人脸识别是目前一个非常活跃的研究课题，它可以广泛应用于保安系统、罪犯识别以及身份证明等重要场合。虽然人类对于人脸的识别能力很强，能够记住并辨识上千个不同的人脸，可是对于计算机则困难多了，其表现在：人脸表情丰富；人脸随年龄的增长而变化；发型、胡须、眼镜等装饰对人脸造成的影响；人脸所成图像受光照、成像角度以及成像距离等影响。
上传时间： 2014-01-09
上传用户：CSUSheep
使用pca和svm方法对表情进行分类，有较高的识别准确率
上传时间： 2017-06-09
上传用户：songrui
三维数据真实反映了对象在三维空间中的形状，若是三维深度数据，则数据还表征了对象的实际尺度，用三维数据无需考虑投影变换。由于二维的图象数据本质上是三维物体在二维空间上投影，造成同一对象在投影平面上具有多边的二维表现，即同一个人的脸部图像随姿态而变换的多样性。与二维图像相比较，三维人脸数据具有以下的优点：1.用三维数据做人脸姿态检测远易于二维图像，且姿态变化不会使信息造成丢失。2.若不考虑三维数据的获取过程，则三维数据由于没有亮度信息，完全不受光照影响。3.因为有三维形状的直接表述，表情的影响将较图像更容易处理。通过基于三维数据的人脸识别，有望克服目前基于二维图像的人脸识别方法所遇到的困难。
标签： 3D人脸识别
上传时间： 2022-07-26
上传用户：
电磁场在目标识别中的应用
上传时间： 2013-04-15
上传用户：eeworm
ISO-15693 识别卡,无触点的集成电路卡 第2部分
上传时间： 2013-07-27
上传用户：eeworm
