TreeFish2012的专栏

人脸识别必读的N篇文章  一，人脸检测/跟踪 人脸检测/跟踪的目的是在图像/视频中找到各个人脸所在的位置和大小；对于跟踪而言，还需要确定帧间不同人脸间的对应关系。   1, Robust Real-time Object Detection. Paul Viola, Michael Jones. IJCV 2004. 入选理由： Viola

最近几年，在国内掀起了一股图像处理、分析、识别的热潮，而其中的车牌识别和人脸识别无疑是其中的研究热潮。 本人没有做过车牌识别的项目，不便叙述，不过，倒是可以跟大家聊聊最近几年国内在人脸识别领域的一些发展情况。 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括图像采集，人脸定位，预处理，人脸特征提取，模式分类、判决识别等等。当然，还包括相应的摄像机，摄像头等光学设备，以及PC

这里有个关于国内#人脸识别#研究现状的博文（http://blog.youkuaiyun.com/carson2005/article/details/5829442），大家可以参考一下。 有几处比较不确切的地方，比如： 1，人脸识别提出是在1964年，而不是80年代； 2，丁晓青老师参加FRVT2006，并不是唯一完成3D人脸识别测试，而是唯一完成“大规模数据库测试的学术机

申明：本文非笔者原创，原文转载自：http://blog.mashape.com/post/53379410412/list-of-50-face-detection-recognition-apis There has been a lot of buzz around Face Recognition since Google Glass was announced.

这里有个关于国内#人脸识别#研究现状的博文（http://blog.youkuaiyun.com/carson2005/article/details/5829442），大家可以参考一下。 有几处比较不确切的地方，比如： 1，人脸识别提出是在1964年，而不是80年代； 2，丁晓青老师参加FRVT2006，并不是唯一完成3D人脸识别测试，而是唯一完成“大规模数据库测试的学术机

PCA是数据降维的一种方法，其目标是找到数据分布方差最大的方向，并将数据向该方向投影并保持投影后恢复数据的残差最小。即找到e和a，使得x的估计值x‘=m+e*a与x残差最小。注意，这里e为一个方向向量（非矩阵），且限定e的模为1（否则a和e不唯一）。 PCA的推导，通过最优化x-x’的均方误差最小，得到a=T(e）*（x-m）。 进一步，将均方误差表示为e的表达

欢迎关注微博： http://weibo.com/facerecog 一 人脸识别系统结构 图1显示了人脸识别系统所包含的各个模块，其中，图像采集模块用于采集包含人脸的图像；人脸检测跟踪模块用于确定视频中人脸的位置和大小，并确定同一个人在帧间的对应关系；而特征点定位模块用于定位眼睛、嘴巴等脸部特征点的位置；图像质量评估模块，用于从采集的同一个人的多张人脸图像中

Learning Hierarchical Representations for Face Verification with Convolutional Deep Belief Networks        话说这深度学习如火如荼的，在imageNet上斩获无数，在人脸识别这个领域，深度学习也不甘示弱，本系列将介绍人脸识别领域应用深度学习的工作。        这

论文“Gabor feature based classification using the enhanced Fisher linear discriminant model for face recognition”, pami, 11(4), 2002, p467~p476. Gabor小波函数，有一大堆参数，mu, nu, sigma, 这些是和图像的像素位置无关的参数，z

人脸识别领域的国内领先课题组 分类： IT夜话2013-08-23 22:35 137人阅读 评论(0) 收藏 举报        小结一下国内人脸识别领域的领先课题组以及孵化的公司，所列举的研究组排名不分先后，孵化公司均来自于公开资料。                                                              Table.1

1，新浪微博的明星脸 开发者：丫丫网 链接：http://apps.iyaya.com/mxx/ 2， heritage http://www.myheritage.cn/FP/Company/try-face-recognition.php 这是一个家谱管理的网站，但是提供了一个比较是否相似的功能，我觉得其实这个效果做得好像还好些 3，易容道馆

PCA是数据降维的一种方法，其目标是找到数据分布方差最大的方向，并将数据向该方向投影并保持投影后恢复数据的残差最小。即找到e和a，使得x的估计值x‘=m+e*a与x残差最小。注意，这里e为一个方向向量（非矩阵），且限定e的模为1（否则a和e不唯一）。 PCA的推导，通过最优化x-x’的均方误差最小，得到a=T(e）*（x-m）。 进一步，将均方误差表示为e的表达

BRIEF特征的论文是"BRIEF: Binary Robust Independent Elementary Features"，eccv2010。它出乎出乎意料的简单，真的是非常简单，令人感觉到这么简单的方式，是真的有效吗？ 1. 给定一副图 2. 对图像做平滑处理。平滑处理，也就是高斯滤波，也就是blur operation，降低图像噪声。平滑处理在BRIEF中很

& AAM 模型代码实现的对比" title="几种关于ASM & AAM 模型代码实现的对比" style="margin:0px; padding:0px; border:0px; list-style:none"> & AAM 模型代码实现的对比" title="几种关于ASM & AAM 模型代码实现的对比" style="margin:0px; padding:0px; borde