python人脸识别训练集
人脸识别python2和python3哪个好？你怎么看？
人脸识别python2和python3哪个好？你怎么看？
在任何一种应用中，都是Python3优于Python2。不是说Python3本身具有什么样的优势，而是Python3从Python2发展而来，吸收了大部分Python2的有点，并且简化了其中很多API的封装，去掉了很多会让人引发歧义的操作。所以Python3用起来更加方便。
而且更重要的一点，Python2的支持即将到期，失去官方支持的Python2终究会被Python3取代。
如何利用python进行精准人脸识别？
要调用api接口，建议用face 的，支付宝的人脸识别都是用的这个。可能需要一点费用，不贵，代码里把fece 的api接口放进代码就行，还可以可以检测情绪，年龄等等的。
当然也有其他公司人脸识别的api接口，自己发现吧，其实很多，但基本都不会免费，有的可以试用
python实现人脸识别的具体步骤？
1.
打开人脸图像并显示在界面上。
2.
用鼠标选取人脸各个眼睛中心位置。
3.
依据人眼坐标,并对人脸区域进行几何归一化。 几何归一化的目的是使用图像缩放技术把原始人脸区域图像缩放到统一的像素大小。比如规定图像大小是64×64,...
4.
对归一化后的人脸区域图像进行灰度归一化。 灰度归一化的目的是去除一定条件下的光照影响,...
python做人脸识别用OpenCV就够了吗？你怎么看？
不够。问这个问题，属于偷懒行为，就如同问只记500个单词是不是可以考研一样。
OpenCV是一个开源的计算机视觉库，提供了许多函数非常高效地实现了计算机视觉算法。更多的充当一个工具箱的角色。尽管4.0版本引入了深度学习，在实际应用中还是不够的，顶多用来尝鲜。
现在人脸识别较为成熟的方式是SSD人脸检测，使用的caffe框架。建议了解这个。高度可定制化，甚至可以把训练好的模型直接部署使用。
人脸识别本质上属于深度学习，想在这个领域长期深耕下去，基础是必须要掌握的，当掌握了基础，在看TensorFlow和Caffe,才会领悟，这些都是一个手套。
想用python做一个人脸识别认证当毕业设计用，有没有什么建议或者大体设计思路？
keras有训练好的模型，直接调用。
不了解这个软件事干啥的，书大神指导
至少有2种方案，第一种是可以具体做一个人脸设计应用系统，将整个毕设的内容倾向于系统实现；第二种是将重点放在具体的识别模型算法上。具体来说：
第一种：人脸识别系统实现这种方案可以将毕设当做一种工程实践类的毕设。内容涉及到整个系统的设计，比如是采用BS架构还是CS架构，人脸数据如何采集、识别终端设备搭建、后端服务器、数据库设计、硬件拓扑关系及数据流的设计等等。而具体的人脸识别模型训练和算法实现，完全可以使用开源的程序，OpenCV、Keras或其他Python库等都有开源的算法，拿来用就可以，满足一般需求，在论文中只介绍一下用的算法的原理，你可以不用将重心放在整个算法的优化上。
第二种：重点研究人脸识别模型和算法这种方案将重心放在具体的模型和算法实现。就需要从现行的算法中通过你的优化，提出一种精度更高、模型训练更快或者是样本量更少的算法，作为论文来说必须给出具体的优化指标，例如可以研究基于深度神经网络的单样本模型算法提高人脸识别可靠性和准确度等等，当然这些模型用Python或者Keras都有一些开源的资源，推荐OpenFace，使用Python Keras实现的案例，GitHub地址是：
去github找一找,相关的项目非常多，可以作为参考。
做c/s版的就可以，类似门禁，有很多公开的库可以使用，比如dlib，opencv，face recongnition等等，识别率都在98%以上，界面可以使用自带的tkinter足够了，就一个毕设而已。纯客户端软件都可以。