手机人脸识别为什么有两个数据

因为手机人脸识别有两种算法，它们的数据是不同的。第一种是深度学习，根据大量的训练数据进行模型训练，以提取出重要的特征进行特征比较，以识别出人脸。另一种是机器视觉，其中包括像素比对、形态学处理等，可以从照片中提取出对比度高的特征，以此分辨出人脸。所以，不同的算法需要不同的数据，才能实现准确的面部识别。

给你提供几个线索，数据都可以去数据堂下载。

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。

用AndroidSDK中的Face

Detector实现人脸识别

流程是这样的：

1.

读取一张图片至Bitmap

（从Resource中，或是从手机相册中选取）

2.

使用FaceDetector

API分析Bitmap，将探测到的人脸数据以FaceDetector.Face存储在一个Face

list中；

3.将人脸框显示在图片上。

---