😉 使用 Face Recognition & Flask 构建的人脸比对服务，提供HTTP接口，Pyinstaller打包项目为可独立运行的exe程序

基于python3编写的web后台管理系统，基于layui采用Django框架实现完整的后台管理系统，包含菜单权限、机构权限、数据权限，可视化图表、可视化统计表格、等功能齐全。

基于计算机视觉和深度学习的睡意检测系统能够实时检测摄像头中人脸的表情并判断是否走神程序通过加载预先训练好的深度学习模型来识别人脸表情使用OpenCV提供的人脸检测器定位人脸位置通过计算人脸表情变化的频率来判断是否走神如果连续5秒内检测到人脸表情为“悲伤中性或疲劳则认为人处于走神状态程序将在摄像头画面上显示警告信息该程序可以被应用于长时间需要集中注意力的工作场所例如驾驶员驾驶汽车操作机器人的工作环境

毕业设计仓库

基于Gradio和Streamlit的人脸识别演示系统

在“信息系统与安全对抗技术”上作为结课代码提交的文件，现开源于此，供大家参考。本项目采用Python语言开发，在跨年龄识别功能中引用了Paddle模块，对除跨年龄识别模块的部分进行了Windows安装包打包。项目中仍有诸多缺陷，请大家有何需求和建议请在issue中讨论，时间和能力允许范围内我会予以解答和完善。

手写数字识别、数字特征提取、图片处理、设置gui界面

人脸识别是通过人的脸部信息进行身份识别的技术，该技术广泛应用在安防和支付等领域。随着智慧城市的建设和超高清摄像头的逐渐启用，需处理的视频数据量增长迅猛，给人脸识别计算效率带来新的挑战。此外，现有人脸识别模型通常基于深度神经网络，模型参数量大且计算代价高，难以应用在计算资源有限的任务。因此，本项目需要针对人脸识别的计算效率开展研究。

卷积神经网络（CNN）与局部二值模式直方图（LBPH）实现人脸识别，简单表情识别。

`xudq-saas-facerecog`是一套基于OpenCV技术框架的"人脸识别"服务，采用了基于FastAPI等核心技术框架快速搭建系统。

本项目是一个基于Tkinter的人脸识别系统，具有实时识别和拍照识别两种功能。它利用Python编程语言和OpenCV、dlib等深度学习库实现。 在实时识别模式下，系统通过摄像头捕捉实时画面，并利用人脸识别算法识别出画面中的人脸。识别结果会显示在Tkinter窗口中，同时可以通过窗口中的按钮更新识别结果。 在拍照识别模式下，用户可以上传图片文件，系统会自动检测并识别出图片中的人脸并将结果输出