mtcnn-FaceNet实现人脸检测 人脸识别 开箱即用

mtcnn实现人脸检测，使用的haar人脸特征分类器，FaceNet实现人脸识别； 使用PyCharm可直接打开，开箱即用 使用了FaceNet的预训练模型，因为模型资源过大，我分开上传了，可在我的个人主页找到对应预训练模型下载，放在项目中对应的mtcnn-FaceNet\models的每个目录底下即可； 人脸数据库初始化的人脸数据是我在网上找到明星照片，使用mtcnn和Haar从mtcnn-FaceNet\dataset\images文件夹中所有文件提取人脸，放在mtcnn-FaceNet\dataset\emb_face目录下，使用提取到的人脸训练自己的模型，生成mtcnn-FaceNet\dataset\emb\faceEmbedding.npy这个模型，使用FaceNet从mtcnn-FaceNet\dataset\test_images文件夹找到需要识别的人脸图片，进行识别；

FaceDB_YaleB YaleB人脸数据集 人脸数据库

FaceDB_YaleB YaleB人脸数据集 人脸数据库 FaceDB_YaleA人脸数据集请查看我的其他资源； 包含了10个人的5850幅在9种姿态，64种光照条件下的图像。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。

Orl人脸数据库-Orl-faces.zip

Orl人脸数据库-Orl-faces.zip Orl人脸数据集，共40人，每个人10张不同形态的照片，图片格式为pgm，用来做人脸识别训练测试数据集；

FaceDB_yaleA YaleB人脸数据集 人脸数据库

FaceDB_YaleA YaleA人脸数据集 人脸数据库 FaceDB_YaleB人脸数据集请查看我的其他资源； 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。 Yale人脸数据库中一个采集志愿者的10张样本，相比较ORL人脸数据库Yale库中每个对象采集的样本包含更明显的光照、表情和姿态以及遮挡变化。

lfw数据集 lfw人脸数据库.zip

lfw数据集 lfw人脸数据库.zip 使用到FaceNet、FaceNet预训练模型、MTCNN、Haar人脸特征分类器、lfw人脸数据集，完成人脸识别功能；

Haar 人脸识别 特征分类器 人脸检测级联分类器.zip

Haar 人脸识别 特征分类器 人脸检测级联分类器，我是用FaceNet和这个资源搭配使用的，FaceNet的预训练模型可以看我上传的资源。

FaceNet 人脸识别 预训练模型 20180402-114759.zip

Google提出的开源人脸识别算法FaceNet的预训练模型，FaceNet的官方的预训练模型，20180402-114759 NOTE: If you use any of the models, please do not forget to give proper credit to those providing the training dataset as well.

FaceNet 人脸识别 预训练模型 20180408-102900.zip

Google提出的开源人脸识别算法FaceNet的预训练模型，FaceNet的官方的预训练模型，20180408-102900 NOTE: If you use any of the models, please do not forget to give proper credit to those providing the training dataset as well.

FaceNet 人脸识别 预训练模型 20170511-185253.zip

Google提出的开源人脸识别算法FaceNet的预训练模型，FaceNet的官方的预训练模型，20170511-185253 NOTE: If you use any of the models, please do not forget to give proper credit to those providing the training dataset as well.

FaceNet 人脸识别 预训练模型 20170512-110547.zip

Google提出的开源人脸识别算法FaceNet的预训练模型，FaceNet的官方的预训练模型，20170512-110547 NOTE: If you use any of the models, please do not forget to give proper credit to those providing the training dataset as well.