⑴ java 实现人脸的动漫化 照片用数组存还是image对象提取人脸的什么特征人脸处理常用哪些特征
YOGUAI为保险柜，自动门，考勤等行业提供人脸识别方案。
随着计算机网络和通信技术的发展，信息安全、知识产权保护和身份认证等问题成了一个重要而紧迫的研究课题。身份认证是保证系统安全的必要前提，在多种不同的安全领域都需要准确的身份认证。传统的身份证、智能卡、密码等身份认证方法存在携带不便、容易遗失、不可读或密码易被破解等诸多问题。基于人脸识别技术的身份认证方法与传统的方法相比，具有更好的安全性、可靠性和有效性，因此正越来越受到人们的重视，并逐渐进入社会生活的各个领域。
人脸识别技术具有广泛的应用前景，可以应用到多种不同的安全领域，因其识别特征的独特性、惟一性和相对稳定性，逐渐成为一非常热门的研究课题。许多典型的人脸识别算法和应用系统都是针对标准或特定的人脸数据库，利用库内人脸进行训练，并在相同的库中实现人脸识别。但在软件保护、计算机安全等特殊应用中，身份认证仅针对单个对象进行人脸识别，现有的人脸识别方法并不能胜任这样的识别任务。为此，本文针对单对象人脸识别的特点，讨论了单对象人脸检测和识别的关键技术，在此基础上提出了一种单对象人脸识别算法，实验结果证明了该方法的有效性。
2单对象人脸识别的特点
与典型的人脸识别相比，单对象人脸识别有以下4个方面的特点：
应用领域人脸识别的应用领域很广，如刑侦破案、证件核对、保安监控等，而单对象人脸识别主要应用在软件保护、计算机安全锁、特定对象追踪等领域。
识别系统的目标单对象人脸识别的最终目标是系统必须具有高度的安全性和可靠性，即识别错误率趋于0。虽然降低识别错误率的同时识别率也会降低，但可以通过提示用户调整姿态(如注视摄像头等)加以改善。
肤色模型由于单对象人脸识别仅针对特定的对象，所以人脸检测的肤色模型可采用自适应的方法调整肤色范围。
分类方法单对象人脸识别不存在人脸数据库，常用的最小距离分类法不能够正确识别特定的对象，只能用阈值作为判据。因此，阈值的选取十分重要，阈值过大则容易出现错判，存在安全隐患；而阈值过小又会影响识别效率。
3人脸的检测和归一化
人脸检测是人脸识别的前提。对于给定的图像，人脸检测的目的在于判断图像中是否存在人脸，如果存在，则返回其位置和空间分布。利用人脸肤色和面部特征，将人脸检测分为两个阶段：外脸检测和内脸定位。外脸检测主要利用人脸肤色进行初步的脸区检测，分割出肤色区域；内脸检测是在外脸区域中利用面部几何特征进行验证和定位。
3.1外脸检测
外脸检测的任务是将待检图像中可能的人脸区域找出来并加以标记，其步骤如下：
(1)根据人类肤色在色彩空间中存在区域性的特点，将可能为人脸的像素检测出来。为更好地利用肤色特征，同时选用HSI和YcbCr两种色彩空间对图像进行二值化处理，肤色范围限定在H∈[0，46]，S∈[0.10，0.72]，Cb∈[98，130]，Cr∈[128，170]内。将满足条件的像素标记为肤色像素，其余的均为非肤色像素。
(2)去噪处理。在以每一个肤色点为中心的5×5邻域内统计肤色像素的个数，超过半数时中心点保留为肤色，否则认为是非肤色。
(3)将二值图像中的肤色块作区域归并，并对目标区域进行比例、结构分析，过滤掉不可能的人脸区域。目标区域的高度／宽度比例限定在0.8～2.0。
3.2内脸检测和定位
将包含眼、眉、鼻和嘴的区域称为内脸区域。内脸区域能够很好地表达人脸特征，且不易受背景、头发等因素的干扰，因此内脸区域的检测和定位对后续的特征提取和识别至关重要。
在外脸区域的上半部，对二值图像进行水平方向和垂直方向的投影，确定两个包含黑点的矩形区域作为双眼的大致区域。在确定的两个区域中，对黑点进行区域膨胀，可以得到眼睛的基本轮廓和左石眼角，黑点坐标的平均值作为瞳孔的位置。
设左右瞳孔的坐标分别为(Lx，Ly)和(Rx，Ry)，两个瞳孔之间的距离为d，根据人脸的几何特征，我们将内脸区域定义为：宽度=-d×1.6，高度=-d×1.8，左上角坐标为(Lx-d×0.3，(Ly Ry)／2-(-d)×0.3)。实验表明，该区域能够很好地表达人脸特征。
3.3内脸区域的归一化
由于各待测图像中的人脸大小具有很大的随机性，因此，有必要对内脸区域进行归一化操作。人脸归一化是指对内脸区域的图像进行缩放变换，得到统一大小的标准图像，实验中，我们规定标准图像的大小为128×128。归一化处理，保证了人脸大小的一致性，体现了人脸在图像平面内的尺寸不变性。
对归一化的人脸图像，采用小波变换与DCT相结合的方法提取人脸特征。首先对人脸图像进行3层小波分解，取低频子图像LL3作为人脸特征提取的对象，从而获得每幅训练样本或测试样本的低频子图像；然后对低频子图像进行离散余弦变换(DCT)，DCT系数个数与子图像的大小相等(即256)，由于图像DCT变换，能量集中在低频部分，因此只取其中的136个低频系数作为特征向量。
5人脸的识别
完成训练过程并获得待测样本的特征后，即可进行人脸识别，本文采用欧氏距离进行分类。
5.1计算样本与平均脸的欧氏距离
用m和x表示平均脸和样本的特征向量，则样本与平均脸的欧氏距离为：
其中mk表示平均脸的第k个特征向量，xk表示待测样本的第k个特征向量。身份认证时，计算待测样本与平均脸的欧氏距离，并与特定对象的自适应阈值进行比较，将小于阈值的样本判为该对象的人脸，即认证通过。
5.2自适应阈值的选取
与典型的人脸识别方法不同，单对象人脸认识没有人脸数据库，不能用距离最小作为判据，只能用阈值作为判别依据。阈值的选取应兼顾识别率和识别的准确性，实验中我们取训练样本与平均脸的欧氏距离平均值作为分类阈值，即:
其中，N为训练样本数，此值不宜太小；di为第i个样本与平均脸之间的欧氏距离。
莫士特科技有限公司提供模式识别主板及解决方案。
希望采纳
⑵ 有没有以人名分类的人脸数据集
目前还没有以人名分类的人脸数据集，这个建立起来也是比较庞大耗时的，但有点不科学，很多人同时拥有几个名字，
或者有的人会改名字，就会造成数据重复，浪费资源
工作与生活的关系是相辅相成的，工作可以为生活提供保障，更好生活则是工作的目的。人如果不工作的话，生活不仅没有保障，还会碌碌无为，失去价值和乐趣。但如果只工作的话，就没有时间享受生活，这样的经历是不快乐的。
"工作狂"，这个词汇大家不陌生，印象中这是当代产生的一个极新的词汇。它指的是对工作极度投入、近乎痴狂的一种人，这种人大概是不会"生活"或顾不得谈"生活"的。
其实这样的人很早就有，当然也遍及各地，只是未曾使用这个词罢了。似乎每一个堪称伟大的人无不是忘我工作的人。我们暂时把这种人说成是:工作第一、生活第二的人。甚至是人生中只有工作的人。
再就是所谓追求极致生活的，他们不一定非常富有，对工作也有热情。只是他们认为工作是简单又简单的，在他们的世界绝不容许将生活说成是"日子"。应该说这样的人过的是极度潇洒和惬意的，他们的生命的意义在于此。这种人算是:生活第一、工作第二的人。
还有一种人最最理想、数量很多。那就是将工作和生活严格分开，工作就是工作，生活就是生活。"公私分明"是他们的原则和愿望，从不混为一谈。他们认为工作和生活是同样重要的，工作是他们的需要，生活是他们的追求。
我还想说起这样一种人，生活无疑是他们人生的最高目的，其实他们内心也没有关于生活的概念，他们只是有这样的逻辑:工作是为了生活，或者说，工作是为了更好的生活，不工作就不能生活。
这时候的生活的概念好像只是"活着"或"生存"。其实不然，它是一种意识。我觉得在我国传统里有这样的意识，所有人或者说绝大多数人的思路是受到这种逻辑的限制的。
我们当然不能忘记这样一群人，他们是一群快乐的人。在他们的世界里，工作和生活都是艺术化了的。他们从不思考活着是为了工作还是工作是为了活着的问题。在他们的每一天里，都是享受的。
还有多种多样的人，有的是我们无法形象地形容的。
生活是一个人一生的全部过程，工作只是生活的一部分。如同生活中的很多方面一样，没有了工作，就是一点残缺，便不完满。终于可以理解为什么有人为了工作而暂时放弃生活另一部分，生活不只是活着，但是活着是生活的基础，只有生活起来，才算是真正地活着。
掌握好工作和生活的关系，是有利于我们的身心愉悦和成长的。
⑶ 虹软人脸SDK的人脸特征怎么保存到数据库
特征码是一个二进制字段，一般数据库提供一个二进制字段来存储二进制数据，比如SQL Server中的BINARY,VERBINARY;MYSQL用Blob;Oracle用blob或者bfile。
⑷ yaleb人脸数据库和yale数据库的区别
Extend Yale B 人脸数据库， 一共38个人,每人64 张照片。 根据人脸与摄像机的方向角（12,25,50,77,90）将每人的64张照片分为5个sbusets。每人每个subset的人脸数目分别为（7,12,12,14,19。
⑸ 三维人脸数据库文件格式除了obj wrl 还有什么
多了去了....
比如FBX STL MAX C4D LWO MB 3DS
以上这些格式大多都对应一种三维软件.....FBX,OBJ,STL等属于通用格式...就是很多三维软件都能打开的格式......MAX,3DS,C4D,MB等属于专用格式...就是这些文件只能用特定的软件才能打开
MAX和3DS格式 对应软件是 3DMAX
C4D对应软件是CINEMA 4D
MB对应软件是MAYA
LWO对应软件是LIGHTWAVE
以上这些格式....全部都可以创建三维人脸模型
⑹ android中人脸识别扫描人然后怎样将图像保存到本地数据库
用AndroidSDK中的Face
Detector实现人脸识别
流程是这样的：
1.
读取一张图片至Bitmap
（从Resource中，或是从手机相册中选取）
2.
使用FaceDetector
API分析Bitmap，将探测到的人脸数据以FaceDetector.Face存储在一个Face
list中；
3.将人脸框显示在图片上。
⑺ 虹软人脸识别SDK脸库是什么
虹软最近开放了人脸识别的SDK引擎（免费的哦），刚好有Android版的，就体验了一波。下面来说说Android版的SDK使用心得：
ArcFace 虹软人脸认知引擎简介
目前开放的版本有人脸比对（1:1）和人脸检索（1：N），根据应用场景可选择
人脸检索分为小型网络（检测100人内），中型网络（1000人内），大型网络（需联系虹软官方）
目前开放的功能有人脸比对，人脸识别，人脸追踪
⑻ 求一份ORL人脸数据库，谢谢
1.FERET人脸数据库 -
由FERET项目创建,包含1万多张多姿态和光照的人脸图像,是人脸识别领域应用最广泛的人脸数据库之一.其中的多数人是西方人,每个人所包含的人脸图像的变化比较单一
2.CMU-PIE人脸数据库
由美国卡耐基梅隆大学创建,包含68位志愿者的41,368张多姿态,光照和表情的面部图像.其中的姿态和光照变化图像也是在严格控制的条件下采集的,目前已经逐渐成为人脸识别领域的一个重要的测试集合
3.YALE人脸数据库
由耶鲁大学计算视觉与控制中心创建,包含15位志愿者的165张图片,包含光照,表情和姿态
的变化.
4. YALE人脸数据库B
包含了10个人的5,850幅多姿态,多光照的图像.其中的姿态和光照变化的图像都是在严格控制的条件下采集的,主要用于光照和姿态问题的建模与分析.由于采集人数较少,该数据库的进一步应用受到了比较大的限制
5. MIT人脸数据库
由麻省理工大学媒体实验室创建,包含16位志愿者的2,592张不同姿态,光照和大小的面部图像.
6. ORL人脸数据库
由剑桥大学AT&T实验室创建,包含40人共400张面部图像,部分志愿者的图像包括了姿态,
表情和面部饰物的变化.该人脸库在人脸识别研究的早期经常被人们采用,但由于变化模式较少,多数系统的识别率均可以达到90%以上,因此进一步利用的价值已经不大.
7. BioID人脸数据库
包含在各种光照和复杂背景下的1521张灰度面部图像，眼睛位置已经被手工标注
追问
有没有专门详细介绍ORL人脸数据库的？这个是别的人问的答案，我也找到了。
⑼ 常用的人脸识别数据库有哪些去哪里找，最好免费。
给你提供几个线索，数据都可以去数据堂下载。
1.FERET人脸数据库 -
由FERET项目创建,包含1万多张多姿态和光照的人脸图像,是人脸识别领域应用最广泛的人脸数据库之一.其中的多数人是西方人,每个人所包含的人脸图像的变化比较单一
2.CMU-PIE人脸数据库
由美国卡耐基梅隆大学创建,包含68位志愿者的41,368张多姿态,光照和表情的面部图像.其中的姿态和光照变化图像也是在严格控制的条件下采集的,目前已经逐渐成为人脸识别领域的一个重要的测试集合
3.YALE人脸数据库
由耶鲁大学计算视觉与控制中心创建,包含15位志愿者的165张图片,包含光照,表情和姿态
的变化.
4. YALE人脸数据库B
包含了10个人的5,850幅多姿态,多光照的图像.其中的姿态和光照变化的图像都是在严格控制的条件下采集的,主要用于光照和姿态问题的建模与分析.由于采集人数较少,该数据库的进一步应用受到了比较大的限制
5. MIT人脸数据库
由麻省理工大学媒体实验室创建,包含16位志愿者的2,592张不同姿态,光照和大小的面部图像.
6. ORL人脸数据库
由剑桥大学AT&T实验室创建,包含40人共400张面部图像,部分志愿者的图像包括了姿态,
表情和面部饰物的变化.该人脸库在人脸识别研究的早期经常被人们采用,但由于变化模式较少,多数系统的识别率均可以达到90%以上,因此进一步利用的价值已经不大.
7. BioID人脸数据库
包含在各种光照和复杂背景下的1521张灰度面部图像，眼睛位置已经被手工标注。