我正在为一项大学项目寻找一个免费的人脸识别库，而不是人脸检测。我需要实际的识别功能，也就是要找到包含指定面部特征的图像或计算特定面部之间距离的库。
目前，我正在使用OpenCV来检测人脸，并使用粗略的Eigenface算法进行识别。但我认为一定有更好的性能比我自己编写的Eigenface算法更好的东西。我的意思并不是速度上的性能，而是希望能够比简单的Eigenface方法更好地实现识别。
我看了看Faint，但似乎这个库对于我的应用来说并不太可重用。
我可以接受Python、Java、C++、C或类似的语言的库。最好的情况是它能够在Windows机器上运行，因为我目前依赖于一些仅适用于Windows的外部代码。
Cybula - 提供关于他们的面部识别 SDK的信息。该公司由一位大学教授创立，因此其网站看起来不太专业。没有定价信息或可下载的演示文稿。您需要联系他们以获取定价信息。
NeuroTechnology - 提供关于他们的面部识别 SDK的信息。该公司提供预付定价信息以及实际为期30天的SDK试用版。
Pittsburgh Pattern Recognition - (被 Google 收购) 提供他们的面部跟踪和识别 SDK的信息。他们提供的演示文稿帮助您评估其技术，但不包括其SDSK。您需要联系他们以获取定价信息。
Sensible Vision - 提供关于他们的 SDK 的信息。他们的网站允许您轻松地获得报价，并且您还可以订购一个评估工具包，以帮助您评估其技术。
OpenCV 2.4.2 现已推出全新的 cv::FaceRecognizer。详细文档请参见：
我发布了 libfacerec，这是一个用于 OpenCV C++ API 的现代人脸识别库（BSD 许可证）。libfacerec 没有额外的依赖项，并实现了 Eigenfaces 方法、Fisherfaces 方法和 Local Binary Patterns Histograms。该库的部分内容将被包含在 OpenCV 2.4 中。
最新版本的 libfacerec 可在以下链接获取：
该库是基于 CMake 构建的项目，具有良好的文档式 API，同时还提供了一份有关性别分类的教程。您可以在以下链接查看文档的 HTML 版本：
如果您想了解这些算法是如何工作的，可以阅读我的《人脸识别指南》（包括 Python 和 GNU Octave/MATLAB 示例）：
在 我的 github 存储库 中，还有以 Python 和 GNU Octave/MATLAB 为基础的两个项目实现了这些算法。其中，facerec 中的两个项目均包括了多种交叉验证方法，用于评估算法：
相关论文包括：
pam-face-authentication 是一种用于面部认证的PAM模块，但需要一些工作才能获得所需的结果。快速测试表明，识别率不如NeuroTechnology的VeriLook。
Malic 是另一种使用Gabor小波描述符的开源人脸识别软件，但源代码的最后更新是3年前。
从网站上可以看到:
"Malic是一个基于gabor小波的开源人脸识别软件。它是一个实时人脸识别系统，基于Malib和CSU Face Identification Evaluation System (csuFaceIdEval)。使用Malib库进行实时图像处理，一些csuFaceIdEval用于人脸识别。"
此外，这可能会引起您的兴趣:
gaborboosting：一个应用于人脸识别的科学程序，使用Gabor小波和AdaBoost算法
#include <ccv.h>
int main(int argc, char** argv)
{
ccv_dense_matrix_t* image = 0;
ccv_read(argv[1], &image, CCV_IO_GRAY | CCV_IO_ANY_FILE);
ccv_bbf_classifier_cascade_t* cascade = ccv_load_bbf_classifier_cascade(argv[2]); ccv_bbf_params_t params = { .interval = 8, .min_neighbors = 2, .accurate = 1, .flags = 0, .size = ccv_size(24, 24) };
ccv_array_t* faces = ccv_bbf_detect_objects(image, &cascade, 1, params);
int i;
for (i = 0; i < faces->rnum; i++)
{
ccv_comp_t* face = (ccv_comp_t*)ccv_array_get(faces, i);
printf("%d %d %d %d\n", face->rect.x, face->rect.y, face->rect.width, face->rect.y);
}
ccv_array_free(faces);
ccv_bbf_classifier_cascade_free(cascade);
ccv_matrix_free(image);
return 0;
}