人臉識別資料庫
A. 虹軟人臉識別SDK臉庫是什麼
虹軟最近開放了人臉識別的SDK引擎（免費的哦），剛好有Android版的，就體驗了一波。下面來回說說Android版的SDK使用心得：
ArcFace 虹軟答人臉認知引擎簡介
目前開放的版本有人臉比對（1:1）和人臉檢索（1：N），根據應用場景可選擇
人臉檢索分為小型網路（檢測100人內），中型網路（1000人內），大型網路（需聯系虹軟官方）
目前開放的功能有人臉比對，人臉識別，人臉追蹤
B. 關於Extended Yale B database(人臉資料庫)
(How to divide the database into the three subsets can also be found in the homepage of Extended Yale B.)
順便問一下，是否可以將你你dataset發給我做一下實驗，[email protected]，非專常感謝！屬
C. 人臉識別資料庫中gallery和probe set都是什麼意思
probe是測試圖像，目的是用來測試演算法的識別率。
D. android中人臉識別掃描人然後怎樣將圖像保存到本地資料庫
用AndroidSDK中的Face
Detector實現人臉識別
流程是這樣的：
1.
讀取一張圖片至Bitmap
（從Resource中，或是從手機相冊中選取）版
2.
使用FaceDetector
API分析權Bitmap，將探測到的人臉數據以FaceDetector.Face存儲在一個Face
list中；
3.將人臉框顯示在圖片上。
E. 基於pca 的人臉識別系怎樣將訓練資料庫導入
識別率指的是通過人臉識別技術識別正確數占識別總數的百分比。
人臉識別演算法分類版
基於人臉特徵點的識權別演算法（Feature-based recognition algorithms）。
基於整幅人臉圖像的識別演算法（Appearance-based recognition algorithms）。
基於模板的識別演算法（Template-based recognition algorithms）。
利用神經網路進行識別的演算法（Recognition algorithms using neural network）。
神經網路識別
基於光照估計模型理論
提出了基於Gamma灰度矯正的光照預處理方法,並且在光照估計模型的基礎上，進行相應的光照補償和光照平衡策略。
優化的形變統計校正理論
基於統計形變的校正理論，優化人臉姿態；
強化迭代理論
強化迭代理論是對DLFA人臉檢測演算法的有效擴展；
獨創的實時特徵識別理論
該理論側重於人臉實時數據的中間值處理，從而可以在識別速率和識別效能之間，達到最佳的匹配效果
F. 人臉識別數據是什麼
人臉識別需要積累採集到的大量人臉圖像相關的數據，用來驗證演算法，不斷提高識別准確版性，這權些數據諸如A Neural Network Face Recognition Assignment(神經網路人臉識別數據)、orl人臉資料庫、麻省理工學院生物和計算學習中心人臉識別資料庫、埃塞克斯大學計算機與電子工程學院人臉識別數據等。
G. 人臉識別常用的人臉資料庫有哪些
給你提供幾個線索，數據都可以去數據堂下載。
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。
H. 人臉識別的識別數據
人臉識復別需要積累採集到的制大量人臉圖像相關的數據，用來驗證演算法，不斷提高識別准確性，這些數據諸如A Neural Network Face Recognition Assignment(神經網路人臉識別數據)、orl人臉資料庫、麻省理工學院生物和計算學習中心人臉識別資料庫、埃塞克斯大學計算機與電子工程學院人臉識別數據等。
I. 如何使用yale大學的人臉資料庫進行人臉識別的訓練，python語言
基於特徵臉(PCA)的人臉識別方法
特徵臉方法是基於KL變換的人臉識別方法，KL變換是圖像壓縮的一種最優正交變換。高維的圖像空間經過KL變換後得到一組新的正交基，保留其中重要的正交基，由這些基可以張成低維線性空間。如果假設人臉在這些低維線性空間的投影具有可分性，就可以將這些投影用作識別的特徵矢量，這就是特徵臉方法的基本思想。這些方法需要較多的訓練樣本，而且完全是基於圖像灰度的統計特性的。目前有一些改進型的特徵臉方法。
比如人臉灰度照片40x40=1600個像素點，用每個像素的灰度值組成的矩陣代表這個人的人臉。那麼這個人人臉就要1600 個特徵。拿一堆這樣的樣本過來做pca，抽取得到的只是在統計意義下能代表某個樣本的幾個特徵。
人臉識別可以採用神經網 絡深度學習的思路，國內的ColorReco在這邊有比較多的案例。
J. 怎樣為具備高質量人 臉識別基礎資料庫，提供行業開放數據介面
為貫徹落實「十三五」規劃《綱要》,加快推進 「互聯網+」行動、人工智慧...具備高質量人臉識別基礎資料庫,提供行業開放數據介面。