复杂背景下的多姿态人脸识别技术研究

Predicting face attributes in the wild is challenging due to complex face variations. We propose a n

基于python的多人多目标复杂背景的人脸检测识别 深度学习

复杂背景下基于空间分布特征的手势识别算法

面部微表情(ME)是引发隐藏某种真实情绪的短暂和不自主的快速面部表情。 标准的微表情持续时间在1/5到1/25之间,通常只发生在脸部的特定部位。 微表情的微妙和简洁是对肉眼的巨大挑战; 因此,近年来已

单样本人脸上识别，很有参考价值和使用价值。

综合应用图像处理、信号分析和模式识别等方面的理论和方法，系统深 入的探讨了虹膜识别的各1_个{I技术环节，研究了在图像受到眼睑、睫毛和光斑的严 重干扰等复杂情况下如何提高虹膜识别的准确率，在虹膜定位，

当投影仪将图像投影到复杂表面时,为使观察者观看到不失真图像,提出了基于角点检测的几何校正方法。该方法利用对复杂表面投影白色区域图像的阈值分割来提取校正区域;进行横纵特征条纹的提取和处理,获取投影系统中

多人多姿态识别,采用深度学习进行检测,效果非常好,只是速度慢点

比较深入的分析了人脸识别方法的原理关键词:图像处理,人脸检测,人脸识别,PCA

强干扰复杂背景下文字识别算法的研究.pdf