基于python的深度学习的人脸识别，识别率非常高，是一个国外友人写的，识别率非诚高

人脸识别 使用世界上最精确的面部对齐网络从Python检测面部标志，该网络能够检测2D和3D坐标中的点。 使用基于深度学习的最新人脸对齐方法进行构建。 注意： lua版本可用。 对于数值评估，强烈建议使用lua版本，该版本使用与本文评估的模型相同的相同模型。 不久将添加更多型号。 产品特点 检测图片中的2D面部地标 import face_alignment from skimage import io fa = face_alignment . FaceAlignment ( face_alignment . LandmarksType . _2D , flip_input = Fa

为了提高人脸识别中待测人脸图像年龄估计的正确率,提出了一种基于多分类器融合的3D人脸年龄识别算法。首 先,利用人脸的纹理信息将二维图像映射到标准三维模型上,并以贝叶斯决策理论为基础,对Kittler提出的多分类器融合算 法理论框架及其组合规则进行了详细的研究、讨论和改进,然后应用改进后的多分类器组合规则将多个单独识别分类器加 以融合以达到分类未知年龄目标人脸的目的,并估计人脸年龄。实验结果表明,算法可有效估计目标人脸年龄,并减小估计 误差。

行业资料-交通装置-一种根据照片自动生成3D人脸的方法.zip

% 第1部分： 读取rgb、dat，得到dat鼻尖点landmark % 第2部分：针对dat图片，裁剪出头部区域 % 第3部分：针对切割得到的人脸点云，进行表面细化 % 第4部分：value标准化、size标准化

职能： 选择图像：读取输入图像。 将选择的图像添加到数据库：输入的图像将添加到数据库，并将用于训练。 数据库信息：显示有关数据库中存在的图像的信息。 图像必须具有相同的大小。 如果不是这样，则必须调整它们的大小。 3D人脸识别：人脸匹配。 处理选定的输入图像。 删除数据库：从当前目录中删除数据库。 信息：显示有关此软件的信息 人脸 3D 识别系统的源代码： 退出：退出程序

3D人脸重建 RVN（win下），由VRN-Keras-master下的vrn-unguided-keras.h5改编而来，而且并没有完全达到 python 下的效果，算抛砖引玉吧。

基于Tensorflow的卷积神经网络3D人脸识别：1.1 Tensorflow神经网络基础1.2 Tensor 张量1.3 数据流图1.4 操作....3D识别基础 等

根据迭代最近点算法，将两个3D人脸（点云）进行自动配准，并给出匹配度 根据迭代最近点算法，将两个3D人脸（点云）进行自动配准，并给出匹配度

这是一个3D人脸点云数据。