openCV，android指纹识别/脸部(人脸)识别

> android指纹识别开发
 Google在2015年Android6.0发布会上指出Android6.0会在系统级别支持指纹识别功能.
Android指纹识别 Github地址：https://github.com/PopFisher/FingerprintRecognition
 1. 6.0及以上系统选择性屏蔽一些机型（有些厂商支持不好）
 2. 6.0以下支持标准接口的设备选择性支持（水很深，只能根据数据收集决定哪些设备可以放开）
 3. 6.0以下不支持标准接口但有指纹识别的设备根据提供的SDK进行适配
这个地方要保证你的CompleteSdkVersion版本要大于23,FingerPrintManagerCompatApi23,FingerPrintManagerCompat
FingerprintManager manager = (FingerprintManager) getSystemService(FINGERPRINT_SERVICE);

Android 6.0指纹识别App开发Demo- http://blog.csdn.net/leafact/article/details/53791647
Android 6.0指纹识别App开发demo- http://blog.csdn.net/yk377657321/article/details/52574316
Android开发学习—指纹识别系统的原理与使用- http://blog.csdn.net/shanshan_blog/article/details/54691953?locationNum=15&fps=1

Android指纹识别API讲解，一种更快更好的用户体验- https://blog.csdn.net/guolin_blog/article/details/81450114
Android指纹认证Demo源码- https://download.csdn.net/download/sinyu890807/10616306

> android脸部识别开发
人脸识别的api接口提供商:①GOOGLE CLOUD VISION API ②FACE++ ③阿里 ④汉王智远 ⑤云从科技
Android开发初体验之face++人脸识别加静默拍照- http://blog.csdn.net/baidu_33776259/article/details/54314688
Android使用Face++架构包实现人脸识别- http://blog.csdn.net/android_for_james/article/details/51016170
Android静态图片人脸识别的完整demo(附完整源码)- http://blog.csdn.net/yanzi1225627/article/details/17651809
玩转Android Camera开发(五):基于Google自带算法实时检测人脸并绘制人脸框(网络首发，附完整demo)- http://blog.csdn.net/yanzi1225627/article/details/38098729/

-- 人脸识别
SeetaFace人脸识别引擎- https://github.com/seetaface/SeetaFaceEngine
人脸识别趟坑历程- http://blog.csdn.net/sunshine2050_csdn/article/details/74394910
人脸识别（face recognition）- http://blog.csdn.net/neu_chenguangq/article/details/52983093

-- DeepFace有一个系列从DeepFace 到 DeepId系列，然后最终回到人脸跟踪（face tracking）
1. DeepFace论文。DeepFace：Closing the Gap to Human-level Performance in Face Verificaion 
2. 卷积神经网络了解博客。http://blog.csdn.net/zouxy09/article/details/8781543 
3. 卷积神经网络的推导博客。http://blog.csdn.net/zouxy09/article/details/9993371/ 
4. Note on convolution Neural Network. 
5. Neural Network for Recognition of Handwritten Digits 
6. DeepFace博文：http://blog.csdn.net/Hao_Zhang_Vision/article/details/52831399?locationNum=2&fps=1

-- TLD人脸跟踪是要准确的定位人脸、并跟踪人脸,OpenCV
源码： http://gnebehay.github.com/OpenTLD/
博客： http://blog.csdn.net/yang_xian521/article/details/6952870

-- Face++人脸识别的三个核心概念：Image，Face和FaceId。 　 
 Face++ 的整个人脸识别流程可以归结为：人脸检测 -> 人脸定位 -> 人脸几何校正 -> 人脸光学矫正 -> 特征向量提取 -> 人脸识别。
 Image指用户或应用程序给Face++API提供的图片，以供后续检测/识别使用。用户可以通过制定的url或在程序中上传（通过HTTP POST提交图片的二进制文件）提供Image。
 Face指Image中检测出得人脸。一张Image中可能包含多个Face，但是在我写的Demo中只用到一个Face。 
 FaceId指上传到Face++服务器后，服务器返回的人脸标示符，在后面的对比中可以直接使用FaceId进行对比。

  传统的人脸识别技术主要包括“基于几何特征的方法”、“基于模板的方法”和“基于模型的方法”，“基于几何特征的方法”是通过将面部几个重要器官的特征点位置作为分类特征进而推导出一组特征向量，向量中包含如距离和角度等信息，每一幅人脸画面之间通过各自的特征向量来计算对应的相似度进而进行人脸识别和判断，但由于特征点的数量过少，并且特征点的敏感性不高，因此该方法的准确率并不高。
 “基于模板的方法”作为“几何特征方法”的改进，加入了一个“损失函数”（Cost Function），通过调节和优化该损失函数，使该函数最小化时对应模型的准确率最高，但这种方式的计算量过大并且需要大量的预处理和精细的参数选择，神经网络便是“基于模板的方法”中的一种。“基于模型的方法”中效果较好的弹性图匹配技术是通过几何特征和对灰度分布信息进行小波纹理分析相结合的识别算法，但该算法的时间复杂度较高，速度较慢，实现复杂。如果将这些种方法根据计算成本、准确率等方面综合对比下来，基于“神经网络”的人脸检测方案会更具有优势。