OpenPose代表了第一个在单幅图像上联合检测人体、手部、面部和足部关键点（共 135 个关键点）的实时多人系统。 特征 主要功能： 2D实时多人关键点检测： 15、18 或25 关键点身体/脚关键点估计，包括6 脚关键点。运行时对检测到的人数不变。 2x21-keypoint 手部关键点估计。运行时间取决于检测到的人数。有关运行时不变的替代方案，请参阅OpenPose 训练。 70-keypoint 人脸关键点估计。运行时间取决于检测到的人数。有关运行时不变的替代方案，请参阅OpenPose 训练。 3D实时单人关键点检测： 来自多个单一视图的 3D 三角测量。 已处理 Flir 相机的同步。 兼容 Flir/Point Grey 相机。 校准工具箱：失真、内在和外在相机参数的估计。 单人跟踪以进一步加速或视觉平滑。 输入：图像、视频、网络摄像头、Flir/Point Grey、IP 摄像头，并支持添加您自己的自定义输入源（例如深度摄像头）。 输出：基本图像+关键点显示/保存（PNG，JPG，AVI，...），关键点保存（JSON，XML，YML，...），关键点作为数组类，

皮特·菲特 Python面部表情分析工具箱（FEAT） Py-FEAT是一套用Python编写的面部表情（FEX）研究套件。 该软件包包括用于从面部视频和图像中检测面部，提取情感面部表情（例如幸福，悲伤，愤怒），面部肌肉运动（例如动作单位）和面部标志的工具以及预处理方法，分析和可视化FEX数据。 有关详细的示例，教程和API，请。 安装 选项1：易于安装，可快速使用克隆存储库pip install py-feat 选项2：以开发模式安装 git clone https://github.com/cosanlab/feat.git cd feat && python setup.py install -e . 用法示例 1.从图像或视频中检测FEX数据 FEAT旨在在Jupyter Notebook或Jupyter Lab环境中使用。 在笔记本单元中，您可以运行以下命令从图像或视频中

面部表情动作迁移+唇形同步Jupyter源码(需安装docker，附演示视频)+操作说明.zip 面部表情动作迁移+唇形同步Jupyter源码(需安装docker，附演示视频)+操作说明.zip 面部表情动作迁移+唇形同步Jupyter源码(需安装docker，附演示视频)+操作说明.zip 假设你已经熟悉 docker 并且已经正确安装 docker，执行以下步骤，开箱即用(浏览器输入：http://localhost:8899) # 1. pull image & run container ./start_dev.sh # 2. 进入 container 运行时环境 docker exec -it dev bash # 3. 启动 notebook ./start_jupyterlab.sh 在浏览器中打开 jupyterlab http://localhost:8899

Pytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorc

人脸表情识别数据集7类(悲伤、害怕、厌恶、快乐、气愤、惊讶、中性).zip 人脸表情识别数据集7类(悲伤、害怕、厌恶、快乐、气愤、惊讶、中性).zip 人脸表情识别数据集7类(悲伤、害怕、厌恶、快乐、气愤、惊讶、中性).zip 数据量比较大，该数据集适合做分类识别，不可用于目标检测。 resnet 、vgg16、cnn、Mobilenet等网络。 放心下载使用 【基于卷积神经网络实现面部表情识别源码及模型下载地址】(准确率达到97%) https://download.csdn.net/download/DeepLearning_/87325594

面部识别数据集，这些图片已经从Pinterest收集和裁剪。共有105位名人和17534张面孔。

人类面部表情数据集，有5种情绪，愤怒，恐惧，快乐，悲伤和惊讶，每种有70-250张图片不等 人类面部表情数据集，有5种情绪，愤怒，恐惧，快乐，悲伤和惊讶，每种有70-250张图片不等 人类面部表情数据集，有5种情绪，愤怒，恐惧，快乐，悲伤和惊讶，每种有70-250张图片不等

面部表情比较数据集，该数据集是一个大规模的面部表情数据集，由人脸图像三联以及人类注释组成，这些注释指定了每个三联中的哪两张脸在面部表情方面形成了最相似的对。这个数据集中的每个三元组都由6名或6名以上的人工评分员注释。该数据集与现有的主要专注于离散情绪分类或动作单元检测的表情数据集有很大不同。

面部表情比较图像数据集，每个注释都是集合{1,2,3}中的一个整数。值为1意味着与第一张脸的表情相比，三元组中第二张和第三张脸的表情在视觉上更相似。值为2意味着与第二张脸的表情相比，三元组中第一张和第三张脸的表情在视觉上更相似。值为3意味着与第三张脸的表情相比，三元组中第一张和第二张脸的表情在视觉上更相似。

儿童疾病面部图像，这个数据集包含了许多显示儿童可能感染的不同疾病的图像，以及所有种族的正常儿童的不同图像。这些图像是关于在眼睛、皮肤或口腔有症状的疾病，共2898张图片。 儿童疾病面部图像，这个数据集包含了许多显示儿童可能感染的不同疾病的图像，以及所有种族的正常儿童的不同图像。这些图像是关于在眼睛、皮肤或口腔有症状的疾病，共2898张图片