从传统方法到深度学习，人脸关键点检测方法综述

针对人脸检测训练非常耗时的问题，从练中直接求解日标函数和弱分类器 使用双闽值判决构造强分类器两个方面对人脸检测系统进行了改进。实验结果表明，改进后的系统 使用的弱分类器数日大大减少，并目训练速度比传统

基于肤色的人脸检测方法,包括肤色模型建立和肤色分割过程两大部分内容的比较

机器学习(MachineLearning)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能

多视点人脸检测的统计学习方法,微软亚洲研究院论文

基于window系统，pytorch框架，实现的人体骨骼关键点检测的Alphapose源码 ，比openpose的准确度高。亲测有效。

利用opencv3 openpose caffe模型检测人体关键点

对人脸识别的研究内容和应用背景作了简单回顾，对基于几何特征，统计特征和基于连接机制的三类用于静态正面人脸的表征和识别的方法做了综述

对一系列人脸识别方法进行了综合性描述。首先介绍了人脸识别的概念及其发展历史，指出了人脸识别所面临的主要困难；随后对人脸识别技术方法发展过程中一些经典的流行的方法进行了比较详细的阐述。最后介绍了人脸识别

在图像处理和计算机视觉领域，图像匹配是一项至关重要的任务，涉及识别和比较两幅或多幅图像中的相似或相同部分。随着深度学习的飞速发展，图像匹配的方法已从传统的特征匹配逐步演变为利用神经网络进行端到端学习。

人脸识别技术是深度学习的重要研究领域。为了克服传统开环人脸认知模式以及深层神经网络结构的缺陷,模仿人类实时评测认知结果自寻优调节特征空间和分类认知准则的认知模式,借鉴闭环控制理论思想,探索了一种基于深