㈠ 请教MATLAB高手，给看一段程序，人脸识别中怎样对多张图像进行同一处理
训练阶段：
A=zeros(a,b,2); %a，b是YALE每幅图像的大小，即输入MATLAB后每幅图像的矩阵维数
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); %矩阵A的第三维的大小，即训练图像的个数
上面是将YALE图像库中每个人的第一张作为训练的人脸存到了A的矩阵中，直接对A矩阵做相应高斯滤波，B样条滤波，求梯度脸变换就行。
测试阶段：
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); %矩阵C的第三维的大小，即测试图像的个数
将YALE图像库中每个人除了第一幅图像以外的其余图像存到了C矩阵中，对C矩阵做变换，然后识别。
㈡ 一般的人脸识别照片是多少KB
人脸识别首先是抓拍包含有人脸的照片，这种照片一依据摄像头的清晰度和你设置的抓拍分辨率决定的，这样照片一般是不保存，系统中比对的照片，一般20K到200K即使是高清的也不会超过200K之间只截取人脸的部分和照片和身份证上的特征值或者人脸库的特征值进行比对。
㈢ 人脸识别！要学哪些东西
人脸识别是模式识别的一种，所以一个人脸识别系统的组成也无外乎一般模式识别系统的构成。主要是信号获取+信号预处理+特征提取+分类。所以要做一个识别系统就得了解这些方面的知识。
1.信号获取 传感器技术
2.信号处理 信号与系统、滤波
3.特征提取 线性代数等
4.分离器 统计概率、决策论、运筹学
以上只是一些专业基础类的课程，如果要完成一个系统你还需要：必要的数学知识、微机知识、计算机语言（C++、汇编）、嵌入式、必要的软件应用能力（MATLAB、LabVIEW等）、控制理论等
如果完成了上述学习，算是入门了。人脸识别的核心是识别算法，你要做的就是去读论文，去学习别人的算法。推荐李子青（大牛奥运安保的人脸识别本来是要用他的作品的）and他的书 《人脸识别手册》（做人脸识别必备的手册）。
推荐一个网站http://face.nist.gov/frvt/frvt2006/frvt2006.htm
砖就抛到这了，祝你成功！
㈣ 求助大神们给个人脸识别的训练样本集
OpenCV训练类器
、简介
目标检测初由Paul Viola [Viola01]提并由Rainer Lienhart [Lienhart02]进行改善
该基本步骤：
首先利用本（约几百幅本图片） harr 特征进行类器训练级联boosted类器
类器"级联"指终类器由几简单类器级联组图像检测检窗口依通每级类器 前面几层检测部候选区域排除全部通每级类器检测区域即目标区域
类器训练完应用于输入图像兴趣区域(与训练本相同尺寸)检测检测目标区域(汽车或脸)类器输1否则输0检测整副图像图像移搜索窗口检测每位置确定能目标搜索同目标物体类器设计进行尺寸改变比改变待检图像尺寸更效所图像检测未知目标物体扫描程序通需要用同比例搜索窗口图片进行几扫描
目前支持种类器boosting技术四种：
Discrete Adaboost, Real Adaboost, Gentle Adaboost and Logitboost
"boosted" 即指级联类器每层都选取boosting算(权重投票)并利用基础类器自我训练
根据面析目标检测三步骤：
1、 本创建
2、 训练类器
3、 利用训练类器进行目标检测
二、本创建
训练本例本反例本其例本指待检目标本(例脸或汽车等)反例本指其任意图片所本图片都归化同尺寸(例20x20)
负本
负本自于任意图片些图片能包含目标特征负本由背景描述文件描述背景描述文件文本文件每行包含负本图片文件名（基于描述文件相路径）该文件必须手工创建
e.g: 负本描述文件例：
假定目录结构：
/img
img1.jpg
img2.jpg
bg.txt
则背景描述文件bg.txt内容：
img/img1.jpg
img/img2.jpg
本
本由程序craatesample程序创建该程序源代码由OpenCV给并且bin目录包含执行程序
本由单目标图片或者系列事先标记图片创建
Createsamples程序命令行参数：
命令行参数：
－vec
训练本输文件名
－img
源目标图片（例：公司图标）
－bg
背景描述文件
－num
要产本数量本图片数目相同
－bgcolor
背景色（假定前图片灰度图）背景色制定透明色于压缩图片颜色差量由bgthresh参数指定则bgcolor－bgthreshbgcolor＋bgthresh间像素认透明
－bgthresh
－inv
指定颜色反色
－randinv
指定颜色任意反色
－maxidev
背景色偏离度
－maxangel
－maxangle
－maxzangle
旋转角度弧度单位
－show
指定每本显示按"esc"关闭关即显示本图片创建程继续用debug选项
－w
输本宽度（像素单位）
－h《sample_height》
输本高度像素单位
注：本预先标记图像集合获取集合由文本文件描述类似于背景描述文件每文本行应图片每行第元素图片文件名第二元素象实体数面紧跟着与匹配矩形框（x, y, 宽度高度）
㈤ 人脸识别能抓拍多少图片
这个要看是哪一个系统吧。云脉人脸识别采集到的最优人脸照片经过灰度归一化、二值化处理后，通过人脸特征值算法提取特征值，然后建模入库，大容量数据库中，单服务器检索速度平均达到18秒。
㈥ 国产的人脸识别技术“御眼重明”贮存了多少张照片
御眼重明的系统贮存了1000万人的2亿张照片，可以通过一张7岁以上的儿童照对应识别出成年照，准确度高达90%。
国产的人脸识别技术早已十分成熟。在央视一套科学挑战节目《机智过人》中，国产的人脸识别技术“御眼重明” 遭遇协助美国FBI破获章莹颖案的“妙笔神探”林宇辉。“御眼重明”和林警官共同面对十组相同着装的上场父母，根据相片中的儿童，倒推出他们的父母，其中照片模糊程度、可用信息提取的难度堪称十级。“御眼重明”通过数据库比对，率先锁定其中一对父母，林警官则依据还原人像的方法找到答案，双方准确度极高，几度打成平手。
据团队介绍：“御眼重明的系统贮存了1000万人的2亿张照片，可以通过一张7岁以上的儿童照对应识别出成年照，准确度高达90%。” 场上“机智见证团”的团员主持人撒贝宁质疑，现在，进行面部调整的人也不少，人工智能也能识别吗？没想到团队自信满满：“只要是他妈妈能把他认出来，我们的只能技术也能把它认出来”。
不仅是人脸识别技术，国内的步态识别、声纹识别等技术的研究均处于国际领先水平。据了解，在本周五即将播出的第三期节目中，中国科研人员“银河水滴”团队成功将《碟中谍》科幻电影里的场景演化为现实中的步态识别技术。
㈦ 如何做一个人脸识别应用需要包含哪些步骤
一般来说，一台人脸识别终端设备系统主要包括硬件软件两个方面，硬件方面：外壳、主板、显示屏、摄像头、补光灯、红外灯；软件方面：操作系统、人脸识别app、算法、后台管理程序。千千万万的各种部件如何组合，调试，适配，这给许多开发者人员造成了巨大的困扰以及大量时间精力投入。
人脸识别系统运行步骤如下：
1. 从摄像头抓取一帧图片。
2. 转换彩色图片帧为灰度图片帧。
3. 检测灰度图片帧的人脸。
4. 处理图片以显示人脸区域（使用 cvSetImageROI() 和 cvCopyImage()）。
5. 预处理脸部图片。
6. 识别图片中的人。
现在你已经有了一个用摄像头实时识别人脸的方法，但是要学习新人脸，你不得不关闭这个程序，把摄像头的图片保存成图片文件，更新图片列表，使用离线命令行训练的方法，然后以实时摄像头识别的模式再次运行这个程序。所以实际上，你完全可以用程序来执行实时的摄像头训练！
人脸识别技术基于局部特征区域的单训练样本人脸识别方法。
第一步，需要对局部区域进行定义；
第二步，人脸局部区域特征的提取，依据经过样本训练后得到的变换矩阵将人脸图像向量映射为人脸特征向量；
第三步，局部特征选择（可选）；
后一步是进行分类。分类器多采用组合分类器的形式，每个局部特征 对应一个分类器，后可用投票或线性加权等方式得到终识别结果。
㈧ 虹软人脸识别对照片的要求有没有大概的标准的
没有很大限制，但一般都是清晰一点比较好
㈨ 虹软人脸识别SDK2.0版本最多可以识别多少张人脸
官方推荐的值是25张人脸左右，1-50个都可以，人多可能就会使识别效果不怎么好，具体可以参考开发说明文档。
㈩ 数据库人脸识别都要怎么弄
1.FERET人脸数据库 -
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
2.CMU-PIE人脸数据库
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
3.YALE人脸数据库
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.
4. YALE人脸数据库B
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
5. MIT人脸数据库
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.
6. ORL人脸数据库
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,
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.
7. BioID人脸数据库
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。