这个是用于人脸伪造识别的python程序，用jupyternotebook打开。
标签： 人脸深度伪造
上传时间： 2022-01-28
上传用户：20125101110
MATLAB深度学习简介深度学习是机器学习的一个类型，该类型的模型直接从图像、文本或声音中学 习执行分类任务。通常使用神经网络架构实现深度学习。“深度”一词是指网络 中的层数 — 层数越多，网络越深。传统的神经网络只包含 2 层或 3 层， 而深度网络可能有几百层。下面只是深度学习发挥作用的几个例子:• 无人驾驶汽车在接近人行横道线时减速。• ATM 拒收假钞。• 智能手机应用程序即时翻译国外路标。深度学习特别适合鉴别应用场景，比如人脸辨识、 文本翻译、语音识别以及高级驾驶辅助系统(包括 车道分类和交通标志识别)。简言之，精确。先进的工具和技术极大改进了深度学习算法，达到了 很高的水平，在图像分类上能够超越人类，能打败世界最优秀的围棋 选手，还能实现语音控制助理功能，如 Amazon Echo® 和 Google Home，可用来查找和下载您喜欢的新歌。如果您刚接触深度学习，快速而轻松的入门方法是使用现有网络， 比如 AlexNet，用一百多万张图像训练好的 CNN。AlexNet 最常用于 图像分类。它可将图像划分为 1000 个不同的类别，包括键盘、鼠标、 铅笔和其他办公设备，以及各个品种的狗、猫、马和其他动物。
标签： Matlab
上传时间： 2022-06-10
上传用户：lw125849842
ORL人脸库（Olivetti Research Laboratory人脸数据库），诞生于英国剑桥Olivetti实验室。ORL人脸数据库由该实验室从1992年4月到1994年4月期间拍摄的一系列人脸图像组成，共有40个不同年龄、不同性别和不同种族的对象。每个人10幅图像共计400幅灰度图像组成，图像尺寸是92×112，图像背景为黑色。其中人脸部分表情和细节均有变化，例如笑与不笑、眼睛睁着或闭着，戴或不戴眼镜等，人脸姿态也有变化，其深度旋转和平面旋转可达20度，人脸尺寸也有最多10%的变化。该库是目前使用最广泛的标准人脸数据库，特别是刚从事人脸识别研究的学生和初学者，研究ORL人脸库是个很好的开始。
标签： 数据库
上传时间： 2022-07-23
上传用户：qingfengchizhu
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：moh2000
对c语言做深度解析，对c的深入学习大有裨益
标签： C语言
上传时间： 2013-06-26
上传用户：cjl42111
C语言深度解剖. C语言学习及编程应用方法的手稿提取,技术性强,实践性好.
标签： C语言
上传时间： 2013-07-16
上传用户：一诺88
人脸检测和定位是在图像中进行人脸检测,以及确定图像中人脸的位置、大小、个数等信息,最初作为自动人脸识别系统的定位环节被提出,近年来由于其在安全访问、智能监测、虚拟现实、基于内容的检索和新一代人机界面等领域的应用需求,作为一个独立的课题也备受研究者的重视。 论文针对人脸检测定位和识别技术在智能视频监控系统的特殊应用,进行人脸检测和定位算法研究,并将这些算法通过DSP进行实现。论文工作如下： 1.本文针对人脸检测和定位问题,提出了基于YUV色彩空间的肤色检测的改进算法,通过在YUV空间对人脸肤色的聚类分析,建立了YUV肤色模型。仿真结果表明,该模型可以有效地检测到图像中的肤色区域,为人脸的粗定位奠定了基础。 2.针对图像中肤色不一定是人脸的问题,在人脸检测时,利用肤色确定候选区域,再利用一些规则对人脸候选区域进行判别或合并。针对图像只中存在一个人脸的情况,采用改进的坐标轴投影方法进行单个人脸的检测定位；针对图像中存在多个人脸的情况,利用改进的区域标定算法进行多个人脸的检测定位,使得算法能够完成单人脸检测和多人脸的检测定位,仿真结果表明了算法的有效性。 3.论文提出了通过DSP图像处理系统实现以上算法的过程,首先在MATLAB环境研究算法,然后进行算法的DSP移植,采用了有利于DSP处理的图像存储格式和算法结构,改善了算法的实时性。实际测试结果表明了算法在DSP上实现的正确性和可行性。 基于DSP的人脸检测和定位算法的实现,对监控系统的智能化发展具有重要的实际意义。
上传时间： 2013-05-22
上传用户：sunzhp
人脸自动识别技术是模式识别、图像处理等学科的一个最热门研究课题之一。随着社会的发展,各方面对快速有效的自动身份验证的要求日益迫切，而人脸识别技术作为各种生物识别技术中最重要的方法之一，已经越来越多的受到重视。对于具有实时，快捷，低误识率的高性能算法以及对算法硬件加速的研究也逐渐展开。 本文详细分析了智能人脸识别算法原理，发展概况和前景，包括人脸检测算法，人眼定位算法，预处理算法，PCA和ICA 算法，详细分析了项目情况，系统划分，软硬件平台的资源和使用。并在ISE软件平台上，用硬件描述语言(verilog HDL)对算法部分严格按照FPGA代码风格进行了RTL 硬件建模，并对C++算法进行了优化处理，通过仿真与软件算法结果进行比对，评估误差，最后在VirtexII Pro FPGA 上进行了综合实现。 主要研究内容如下： 首先，对硬件平台xilinx的VirtexII Pro FPGA 上的系统资源进行了描述和研究，对存储器sdram,RS-232 串口，JTAG 进行了研究和调试，对Coreconnect的OPB总线仲裁机理进行了两种算法的比较，RTL 设计，仿真和综合。利用ISE和VC++软件平台，对verilog和C++算法进行同步比较测试，使每步算法对应正确的结果。对软硬件平台的合理使用使得在项目中能尽可能多的充分利用硬件资源，制板时正确选型，以及加快设计和调试进度。其次，对人脸识别算法流程中的人脸检测，人眼定位，预处理，识别算法分别进行了比较研究，选取其中各自性能最好的一种算法对其原理进行了分析讨论。人脸检测采用adaboost 算法，因其速度和精度的综合性能表现优异。人眼定位采用小块合并算法，因为它具有快速，准确，弱时实的特点。预处理算法采用直方图均衡加平滑的算法，简单，高效。 识别算法采用PCA 加ICA 算法，它能最大的弱化姿态和光照对人脸识别的影响。 最后，使用Verilog HDL 硬件描述语言进行算法的RTL 建模，在C++算法的基础上，保证原来效果的前提下，根据FPGA 硬件特点对算法进行了优化。视频输入输出是人脸识别的前提，它提供FPGA 上算法需要处理的数据，预处理算法在C++算法的基础上进行了优化，最大的减少了运算量，提高了运算速度，16 位计算器模块使得在算法实现时可以根据系统要求，在FPGA的ip 核和自己设计的模块之间选择性能更好的一个来调用，FIFO的设计提供同步和异步时钟域的数据缓存。设计在ISE和VC++软件平台同时进行，随时对verilog和C++数据进行监测和比对。全部设计模块通过仿真，达到预定的性能要求，并在FPGA 上综合实现。
上传时间： 2013-07-13
上传用户：李梦晗
C语言深度解剖 解开程序员面试笔试的秘密 以含金量勇敢挑战国内外同类书籍 陈正冲 编著
标签： C语言
上传时间： 2013-07-15
上传用户：helllovebody
人脸识别技术继指纹识别、虹膜识别以及声音识别等生物识别技术之后，以其独特的方便、经济及准确性而越来越受到世人的瞩目。作为人脸识别系统的重要环节—人脸检测，随着研究的深入和应用的扩大，在视频会议、图像检索、出入口控制以及智能人机交互等领域有着重要的应用前景，发展速度异常迅猛。 FPGA的制造技术不断发展，它的功能、应用和可靠性逐渐增加，在各个行业也显现出自身的优势。FPGA允许用户根据自己的需要来建立自己的模块，为用户的升级和改进留下广阔的空间。并且速度更高，密度也更大，其设计方法的灵活性降低了整个系统的开发成本，FPGA 设计成为电子自动化设计行业不可缺少的方法。 本文从人脸检测算法入手，总结基于FPGA上的嵌入式系统设计方法，使用IBM的Coreconnect挂接自定义模块技术。经过训练分类器、定点化、以及硬件加速等方法后，能够使人脸检测系统在基于Xilinx的Virtex II Pro开发板上平台上，达到实时的检测效果。本文工作和成果可以具体描述如下： 1. 算法分析：对于人脸检测算法，首先确保的是检测率的准确性程度。本文所采用的是基于Paul Viola和Michael J.Jones提出的一种基于Adaboost算法的人脸检测方法。算法中较多的是积分图的特征值计算，这便于进一步的硬件设计。同时对检测算法进行耗时分析确定运行速度的瓶颈。 2. 软硬件功能划分：这一步考虑市场可以提供的资源状况，又要考虑系统成本、开发时间等诸多因素。Xilinx公司提供的Virtex II Pro开发板，在上面有可以供利用的Power PC处理器、可扩展的存储器、I/O接口、总线及数据通道等，通过分析可以对算法进行细致的划分，实现需要加速的模块。 3. 定点化：在Adaboost算法中，需要进行大量的浮点计算。这里采用的方法是直接对数据位进行操作它提取指数和尾数，然后对尾数执行移位操作。 4. 改进检测用的级联分类器的训练，提出可以迅速提高分类能力、特征数量大大减小的一种训练方法。 5. 最后对系统的整体进行了验证。实验表明，在视频输入输出接入的同时，人脸检测能够达到17fps的检测速度，并且获得了很好的检测率以及较低的误检率。
上传时间： 2013-07-01
上传用户：84425894
