㈠ 請教MATLAB高手，給看一段程序，人臉識別中怎樣對多張圖像進行同一處理
訓練階段：
A=zeros(a,b,2); %a，b是YALE每幅圖像的大小，即輸入MATLAB後每幅圖像的矩陣維數
for i= 1 : 15
for j= 1
img =imread(strcat('F:\renlianshujuku\Yale\yalefaces',num2str(i),'\',num2str(j),'.pgm'));
A(:,:,i-1+j) = img;
A=double(A);
end
end
Train_Number = size(A,3); %矩陣A的第三維的大小，即訓練圖像的個數
上面是將YALE圖像庫中每個人的第一張作為訓練的人臉存到了A的矩陣中，直接對A矩陣做相應高斯濾波，B樣條濾波，求梯度臉變換就行。
測試階段：
C=zeros(a,b,2);
for a= 1 : 15
for b= 2 :11
unimg =mread(strcat('F:\renlianshujuku\Yale\yalefaces',num2str(a),'\',num2str(b),'.pgm'));
C(:,:,a+b-2) = unimg;
C=double(C);
end
end
Train_Number1 = size(C,3); %矩陣C的第三維的大小，即測試圖像的個數
將YALE圖像庫中每個人除了第一幅圖像以外的其餘圖像存到了C矩陣中，對C矩陣做變換，然後識別。
㈡ 一般的人臉識別照片是多少KB
人臉識別首先是抓拍包含有人臉的照片，這種照片一依據攝像頭的清晰度和你設置的抓拍解析度決定的，這樣照片一般是不保存，系統中比對的照片，一般20K到200K即使是高清的也不會超過200K之間只截取人臉的部分和照片和身份證上的特徵值或者人臉庫的特徵值進行比對。
㈢ 人臉識別！要學哪些東西
人臉識別是模式識別的一種，所以一個人臉識別系統的組成也無外乎一般模式識別系統的構成。主要是信號獲取+信號預處理+特徵提取+分類。所以要做一個識別系統就得了解這些方面的知識。
1.信號獲取 感測器技術
2.信號處理 信號與系統、濾波
3.特徵提取 線性代數等
4.分離器 統計概率、決策論、運籌學
以上只是一些專業基礎類的課程，如果要完成一個系統你還需要：必要的數學知識、微機知識、計算機語言（C++、匯編）、嵌入式、必要的軟體應用能力（MATLAB、LabVIEW等）、控制理論等
如果完成了上述學習，算是入門了。人臉識別的核心是識別演算法，你要做的就是去讀論文，去學習別人的演算法。推薦李子青（大牛奧運安保的人臉識別本來是要用他的作品的）and他的書 《人臉識別手冊》（做人臉識別必備的手冊）。
推薦一個網站http://face.nist.gov/frvt/frvt2006/frvt2006.htm
磚就拋到這了，祝你成功！
㈣ 求助大神們給個人臉識別的訓練樣本集
OpenCV訓練類器
、簡介
目標檢測初由Paul Viola [Viola01]提並由Rainer Lienhart [Lienhart02]進行改善
該基本步驟：
首先利用本（約幾百幅本圖片） harr 特徵進行類器訓練級聯boosted類器
類器"級聯"指終類器由幾簡單類器級聯組圖像檢測檢窗口依通每級類器 前面幾層檢測部候選區域排除全部通每級類器檢測區域即目標區域
類器訓練完應用於輸入圖像興趣區域(與訓練本相同尺寸)檢測檢測目標區域(汽車或臉)類器輸1否則輸0檢測整副圖像圖像移搜索窗口檢測每位置確定能目標搜索同目標物體類器設計進行尺寸改變比改變待檢圖像尺寸更效所圖像檢測未知目標物體掃描程序通需要用同比例搜索窗口圖片進行幾掃描
目前支持種類器boosting技術四種：
Discrete Adaboost, Real Adaboost, Gentle Adaboost and Logitboost
"boosted" 即指級聯類器每層都選取boosting算(權重投票)並利用基礎類器自我訓練
根據面析目標檢測三步驟：
1、 本創建
2、 訓練類器
3、 利用訓練類器進行目標檢測
二、本創建
訓練本例本反例本其例本指待檢目標本(例臉或汽車等)反例本指其任意圖片所本圖片都歸化同尺寸(例20x20)
負本
負本自於任意圖片些圖片能包含目標特徵負本由背景描述文件描述背景描述文件文本文件每行包含負本圖片文件名（基於描述文件相路徑）該文件必須手工創建
e.g: 負本描述文件例：
假定目錄結構：
/img
img1.jpg
img2.jpg
bg.txt
則背景描述文件bg.txt內容：
img/img1.jpg
img/img2.jpg
本
本由程序craatesample程序創建該程序源代碼由OpenCV給並且bin目錄包含執行程序
本由單目標圖片或者系列事先標記圖片創建
Createsamples程序命令行參數：
命令行參數：
－vec
訓練本輸文件名
－img
源目標圖片（例：公司圖標）
－bg
背景描述文件
－num
要產本數量本圖片數目相同
－bgcolor
背景色（假定前圖片灰度圖）背景色制定透明色於壓縮圖片顏色差量由bgthresh參數指定則bgcolor－bgthreshbgcolor＋bgthresh間像素認透明
－bgthresh
－inv
指定顏色反色
－randinv
指定顏色任意反色
－maxidev
背景色偏離度
－maxangel
－maxangle
－maxzangle
旋轉角度弧度單位
－show
指定每本顯示按"esc"關閉關即顯示本圖片創建程繼續用debug選項
－w
輸本寬度（像素單位）
－h《sample_height》
輸本高度像素單位
註：本預先標記圖像集合獲取集合由文本文件描述類似於背景描述文件每文本行應圖片每行第元素圖片文件名第二元素象實體數面緊跟著與匹配矩形框（x, y, 寬度高度）
㈤ 人臉識別能抓拍多少圖片
這個要看是哪一個系統吧。雲脈人臉識別採集到的最優人臉照片經過灰度歸一化、二值化處理後，通過人臉特徵值演算法提取特徵值，然後建模入庫，大容量資料庫中，單伺服器檢索速度平均達到18秒。
㈥ 國產的人臉識別技術「御眼重明」貯存了多少張照片
御眼重明的系統貯存了1000萬人的2億張照片，可以通過一張7歲以上的兒童照對應識別出成年照，准確度高達90%。
國產的人臉識別技術早已十分成熟。在央視一套科學挑戰節目《機智過人》中，國產的人臉識別技術「御眼重明」 遭遇協助美國FBI破獲章瑩穎案的「妙筆神探」林宇輝。「御眼重明」和林警官共同面對十組相同著裝的上場父母，根據相片中的兒童，倒推出他們的父母，其中照片模糊程度、可用信息提取的難度堪稱十級。「御眼重明」通過資料庫比對，率先鎖定其中一對父母，林警官則依據還原人像的方法找到答案，雙方准確度極高，幾度打成平手。
據團隊介紹：「御眼重明的系統貯存了1000萬人的2億張照片，可以通過一張7歲以上的兒童照對應識別出成年照，准確度高達90%。」 場上「機智見證團」的團員主持人撒貝南質疑，現在，進行面部調整的人也不少，人工智慧也能識別嗎？沒想到團隊自信滿滿：「只要是他媽媽能把他認出來，我們的只能技術也能把它認出來」。
不僅是人臉識別技術，國內的步態識別、聲紋識別等技術的研究均處於國際領先水平。據了解，在本周五即將播出的第三期節目中，中國科研人員「銀河水滴」團隊成功將《碟中諜》科幻電影里的場景演化為現實中的步態識別技術。
㈦ 如何做一個人臉識別應用需要包含哪些步驟
一般來說，一台人臉識別終端設備系統主要包括硬體軟體兩個方面，硬體方面：外殼、主板、顯示屏、攝像頭、補光燈、紅外燈；軟體方面：操作系統、人臉識別app、演算法、後台管理程序。千千萬萬的各種部件如何組合，調試，適配，這給許多開發者人員造成了巨大的困擾以及大量時間精力投入。
人臉識別系統運行步驟如下：
1. 從攝像頭抓取一幀圖片。
2. 轉換彩色圖片幀為灰度圖片幀。
3. 檢測灰度圖片幀的人臉。
4. 處理圖片以顯示人臉區域（使用 cvSetImageROI() 和 cvCopyImage()）。
5. 預處理臉部圖片。
6. 識別圖片中的人。
現在你已經有了一個用攝像頭實時識別人臉的方法，但是要學習新人臉，你不得不關閉這個程序，把攝像頭的圖片保存成圖片文件，更新圖片列表，使用離線命令行訓練的方法，然後以實時攝像頭識別的模式再次運行這個程序。所以實際上，你完全可以用程序來執行實時的攝像頭訓練！
人臉識別技術基於局部特徵區域的單訓練樣本人臉識別方法。
第一步，需要對局部區域進行定義；
第二步，人臉局部區域特徵的提取，依據經過樣本訓練後得到的變換矩陣將人臉圖像向量映射為人臉特徵向量；
第三步，局部特徵選擇（可選）；
後一步是進行分類。分類器多採用組合分類器的形式，每個局部特徵 對應一個分類器，後可用投票或線性加權等方式得到終識別結果。
㈧ 虹軟人臉識別對照片的要求有沒有大概的標準的
沒有很大限制，但一般都是清晰一點比較好
㈨ 虹軟人臉識別SDK2.0版本最多可以識別多少張人臉
官方推薦的值是25張人臉左右，1-50個都可以，人多可能就會使識別效果不怎麼好，具體可以參考開發說明文檔。
㈩ 資料庫人臉識別都要怎麼弄
1.FERET人臉資料庫 -
由FERET項目創建,包含1萬多張多姿態和光照的人臉圖像,是人臉識別領域應用最廣泛的人臉資料庫之一.其中的多數人是西方人,每個人所包含的人臉圖像的變化比較單一
2.CMU-PIE人臉資料庫
由美國卡耐基梅隆大學創建,包含68位志願者的41,368張多姿態,光照和表情的面部圖像.其中的姿態和光照變化圖像也是在嚴格控制的條件下採集的,目前已經逐漸成為人臉識別領域的一個重要的測試集合
3.YALE人臉資料庫
由耶魯大學計算視覺與控制中心創建,包含15位志願者的165張圖片,包含光照,表情和姿態
的變化.
4. YALE人臉資料庫B
包含了10個人的5,850幅多姿態,多光照的圖像.其中的姿態和光照變化的圖像都是在嚴格控制的條件下採集的,主要用於光照和姿態問題的建模與分析.由於採集人數較少,該資料庫的進一步應用受到了比較大的限制
5. MIT人臉資料庫
由麻省理工大學媒體實驗室創建,包含16位志願者的2,592張不同姿態,光照和大小的面部圖像.
6. ORL人臉資料庫
由劍橋大學AT&T實驗室創建,包含40人共400張面部圖像,部分志願者的圖像包括了姿態,
表情和面部飾物的變化.該人臉庫在人臉識別研究的早期經常被人們採用,但由於變化模式較少,多數系統的識別率均可以達到90%以上,因此進一步利用的價值已經不大.
7. BioID人臉資料庫
包含在各種光照和復雜背景下的1521張灰度面部圖像，眼睛位置已經被手工標注。