人脸识别数据库常用的有哪些

给你提供几个线索，数据都可以去数据堂下载。\x0d\\x0d\1FERET人脸数据库-\x0d\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\x0d\\x0d\2CMU-PIE人脸数据库\x0d\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\x0d\\x0d\3YALE人脸数据库\x0d\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,包含光照,表情和姿态\x0d\的变化\x0d\\x0d\4YALE人脸数据库B\x0d\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\x0d\\x0d\5MIT人脸数据库\x0d\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\x0d\\x0d\6ORL人脸数据库\x0d\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,\x0d\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\x0d\\x0d\7BioID人脸数据库\x0d\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。

基于特征脸(PCA)的人脸识别方法

特征脸方法是基于KL变换的人脸识别方法，KL变换是图像压缩的一种最优正交变换。高维的图像空间经过KL变换后得到一组新的正交基，保留其中重要的正交基，由这些基可以张成低维线性空间。如果假设人脸在这些低维线性空间的投影具有可分性，就可以将这些投影用作识别的特征矢量，这就是特征脸方法的基本思想。这些方法需要较多的训练样本，而且完全是基于图像灰度的统计特性的。目前有一些改进型的特征脸方法。

比如人脸灰度照片40x40=1600个像素点，用每个像素的灰度值组成的矩阵代表这个人的人脸。那么这个人人脸就要1600 个特征。拿一堆这样的样本过来做pca，抽取得到的只是在统计意义下能代表某个样本的几个特征。

人脸识别可以采用神经网 络深度学习的思路，国内的ColorReco在这边有比较多的案例。

选择主菜单>AI>目标库>人脸库管理。大华人脸识别服务器DH-IVS-F7300系列是大华研发的新一代智能视频分析服务器，产品具有人脸实时抓拍、实时建库、布控报警、抓拍库检索历史轨迹和注册库检索、人像库相互比对等功能。

以上就是关于人脸识别数据库常用的有哪些全部的内容，包括:人脸识别数据库常用的有哪些、如何使用yale大学的人脸数据库进行人脸识别的训练，python语言、大华人脸识别云服务器数据库怎么用等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！