日萌社

人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新）

人脸识别功能实现的原理介绍与算法介绍

人脸识别：人脸数据集

Adaboost 人脸检测：Haar特征及积分图、分类器的级联

关键点提取：face_recognition、疲劳检测、人脸校准、人脸数据库

/deadskull7/fer Fer人脸表情数据集由35886张人脸表情图片组 成，其中，测试图（Training）28708张，公共验证 图（PublicTest）和私有验证图（PrivateTest）各 3589张，每张图片是由大小固定为48×48的灰度图 像组成，共有7种表情，分别对应于数字标签0-6， 具体表情对应的标签和中英文如下： 0 anger 生气； 1 disgust 厌恶； 2 fear 恐 惧； 3 happy 开心； 4 sad 伤心；5 surprised 惊 讶； 6 normal 中性。数据集并没有直接给出图片，而是将表情、 图片数据、用途的数据保存到csv文件中： 第一张图是csv文件的开头，第一行是表 头，说明每列数据的含义，第一列表示表 情标签，第二列即为图片数据，这里是原 始的图片数据，最后一列为用途。 数据集并没有直接给出图片，而是将表情、 图片数据、用途的数据保存到csv文件中： 第一张图是csv文件的开头，第一行是表头， 说明每列数据的含义，第一列表示表情标 签，第二列即为图片数据，这里是原始的 图片数据，最后一列为用途。 300 Face in Wild 是一个人脸识别和轮廓标注数据，该数据及也是机器视觉等级会议 ICCV 人脸检测竞赛所使用的数据集。 helen 数据集有 2330 张图片，每个图片有 11 个分类。 除 Kodak Data Set 之外，现有图像库大多是灰度图像，这是因为早期的人脸检测和识别算法都是针 对灰度图像展开的，及后期图像灰度化的需要。随着彩色图像的普及，彩色图像中的人脸检测方法 (例如基于肤色分割的方法)也越来越受到研究者的重视，对这些方法的训练、测试和评价的图像库还 比较少，一般由研究者根据特定的标准自主建立。 1，人脸识别流程： 人脸采集，人脸检测，人脸图像预处理，人脸特征提取，匹配与识别 2，人脸检测： 检测速度，鲁棒性，误识别率，检测率 3，常用数据集： FER13 Dataset，300 Face in Wild等等