人脸实战之角度检测篇

最新推荐文章于 2024-06-02 10:22:54 发布
最新推荐文章于 2024-06-02 10:22:54 发布
阅读量4.5k 收藏 12
点赞数
分类专栏： 2D人脸识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/bianlongpeng/article/details/112318202
版权

一、角度的定义

三维欧拉角，准确来说应该叫头部姿态，主要分为三个方向：roll、yaw、pitch
在这里插入图片描述
平面角：主要指Roll方向角

二、相关算法

2.1 roll方向角的角度回归算法，可参考PCN

是一个分阶段任务由粗到精的过程，reference:https://link.zhihu.com/?target=https%3A//arxiv.org/pdf/1804.06039.pdf
作者没有放出训练代码，需要自己实现

2.2 欧拉角角度检测

一般分为with keypoint和without keypoint，without keypoint的方法可参考https://github.com/natanielruiz/deep-head-pose。但是训练难收敛需要自己调，也有light版本可应用于端侧。
训练集为300w_LP;测试集为AFLW200、BI
with keypoint的方法,推荐2019年的PFLD。地址：https://arxiv.org/pdf/1902.10859.pdf

最近又发现了一个基于TF的角度检测项目，贴出：https://github.com/yinguobing/head-pose-estimation
感谢开源的作者们，共勉！

lrwin_bian
关注
  • 0
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
人脸角度检测
jacke121的专栏
10-12 4373
能直接跑，keras，12ms https://github.com/shamangary/FSA-Net 这个模型较大： https://github.com/natanielruiz/deep-head-pose 2017年： https://github.com/laodar/cnn_head_pose_estimator 请关注我的公众号，最新资讯...
BP神经网络人脸角度检测
03-07
基于BP神经网络的人脸角度检测，在matlab平台下可以正常运行。提供人脸角度数据库。
BP神经网络对人脸角度的检测
01-15
多层前向反馈式神经网络是目前应用比较广泛的人工神经网络，其中BP(Back Propagation network，简称BP网络)学习算法是最著名的多层前向反馈式神经网络训练算法之一。该算法在图像处理和图像识别领域已经取得令人瞩目的成就，其主要思想是利用已知确定结果的样本模式对网络进行训练，然后利用训练好的网络进行图像的处理或识别。本文将讨论用MATLAB实现BP神经网络对人脸角度的分析。
多角度人脸检测
10-14
这个程序是在matlab下做的，用来解决人脸检测中的多角度问题
【目标检测系列】基于yolov8的头部姿态估计算法
最新发布
qq_42782701的博客
06-02 1102
在一些监控场景或者会议场景中，如课堂监控、视频会议中，人们往往容易出现东张西望、走神等注意力不集中的现象。本项目通过预测其头部的各种角度即可发现这个人是否存在走神现象，并加以提醒。本项目在yolov8的基础上实现，通过引入头部角度分支，将头部检测和头部姿态两个任务进行合二为一。在多人或者单人场景中，无论是何种头部姿态均可以准确检测，直接达到商用级别。
人脸识别5.2- insightface人脸3d关键点检测，人脸68个特征点、106个特征点；人脸姿态角Pitch、Yaw、Roll、
热门推荐
qq_15821487的博客
08-23 1万+
姿态角分为Pitch、Yaw、Roll，用于表示人脸在空间三维坐标系内的角度，常用于判断识别角度的界限值。各角度阈值如下：Pitch：三维旋转之俯仰角度，范围：[-90（上）, 90（下）]，推荐俯仰角绝对值不大于20度；Yaw：三维旋转之左右旋转角，范围：[-90（左）, 90（右）]，推荐旋转角绝对值不大于20度；Roll：平面内旋转角，范围：[-180（逆时针）, 180（顺时针）]，推荐旋转角绝对值不大于20度；
多角度人脸识别简单介绍
muhen1234的博客
08-17 8599
多角度人脸识别 在人脸识别过程中，摄像头的角度是相对固定的，但是人脸不是固定的。实际上，当人脸角度和采集的角度比较一致（角度较小的偏转）时，才有较精确的结果。 关键点： 1、2D图像导致人脸比对困难。 2、如何使人脸角度偏转。 思路分析： 直接在数据库比对。 这一思路的实现要求数据库中有足够多的数据，但是并不现实，因为我们不可能对所有人进行不同角度的人脸采集，同时也不能接受该数...
2020-12-24：人脸识别理论学习（二）
沈雁
12-24 1294
注意：转载出处忘记了。 一、人脸检测的目标 人脸检测的目标是找出图像中所有的人脸对应的位置，算法的输出是人脸外接矩形在图像中的坐标，可能还包括姿态如倾斜角度等信息。 二、人脸检测算法要解决的几个核心问题 虽然人脸的结构是确定的，由眉毛、眼睛、鼻子和嘴等部位组成，近似是一个刚体，但由于姿态和表情的变化，不同人的外观差异，光照，遮挡的影响，准确的检测处于各种条件下的人脸是一件相对困难的事情。 人脸可能出现在图像中的任何一个位置 人脸可能有不同的大小 人脸在...
虹软中的可识别人脸角度 ：yaw≤±30°,pitch ≤±30°
qq_46940224的博客
02-27 377
虹软中的可识别人脸角度 ：yaw≤±30°,pitch ≤±30°
人脸姿态检测：RPY角与Z-Y-X欧拉角
邦戈邦戈栗子的博客
11-21 5978
描述坐标系{B}相对于参考坐标系{A}的姿态有两种方式。第一种是绕固定（参考）坐标轴旋转：假设开始两个坐标系重合，先将{B}绕{A}的X轴旋转γγ，然后绕{A}的Y轴旋转ββ，最后绕{A}的Z轴旋转αα，就能旋转到当前姿态。可以称其为X-Y-Z fixed angles或RPY角(Roll, Pitch, Yaw)。 　　Roll:横滚 　　Pitch: 俯仰 Yaw: 偏航（航向）...
使用渐进校准网络(PCN)的实时旋转不变人脸检测
年轻即出发，
05-07 5653
论文为山世光老师组2018 cvpr的作品。 人脸3D变换基础：平面内旋转(左右歪头问题)：roll，本人重点讨论的问题平面外左右旋转(正脸，侧脸问题)：yaw平面外俯仰(仰头，低头问题)：pitch 方向相关人脸检测的思路：(a) 使用数据增强的方法，增加各种角度的人脸进行训练，该思路大大的依赖于样本的多样性，同时为了让网络能同时学到这么多的信息，也需要一个较大的网络结构。(b) 使用分治的策略...
任意角度人脸检测.rar
08-24
支持任意的人脸检测，支持红外夜视，每秒300帧
人脸多角度生成算法，生成不多姿态的头部
05-17
使用多角度人脸生成算法，可以在不同的角度生成不同的头部姿态。
人脸识别基础知识、大规模人脸识别评测
求真、务实
12-06 4098
参考：https://zhuanlan.zhihu.com/p/268736001 参考：https://edu.csdn.net/course/play/8528/175587 参考：https://cloud.tencent.com/developer/article/1435298 # 大角度人脸转正 参考：https://blog.csdn.net/muhen1234/article/details/81776822
人脸姿态（欧拉角）检测的解决方案
互联网知识分享
12-10 497
首先，通过人脸关键点检测算法检测人脸图像中的关键点，如眼睛、鼻子和嘴巴等位置。然后，利用这些关键点的位置信息来估计人脸的姿态，通常使用欧拉角来表示姿态，包括俯仰角（pitch）、偏航角（yaw）和翻滚角（roll）。然后，我们读取输入的人脸图像，并使用人脸姿态估计器进行人脸检测和关键点检测。在计算机视觉领域，人脸姿态（欧拉角）检测是一个重要的任务，它可以用于识别人脸的朝向，包括俯仰角、偏航角和翻滚角。在本文中，我们将介绍人脸姿态检测的解决方案，包括理论原理的解释和完整的代码案例。在图像中标注姿态信息。
人脸识别5.3- insightface人脸3d关键点检测源码更改，根据姿态角修正图片角度，调整向量解析值，增大识别准确度，以及返回俯仰角，偏航角，旋转角
qq_15821487的博客
08-24 1579
人脸识别5.3- insightface人脸3d关键点检测源码更改，根据姿态角修正图片角度，调整向量解析值，增大识别准确度
任意角度人脸检测pcn
jacke121的专栏
09-29 2791
实时角度无关人脸检测 论文：Real-Time Rotation-Invariant Face Detection with Progressive Calibration Networks 论文地址： https://link.zhihu.com/?target=https%3A//arxiv.org/pdf/1804.06039.pdf 通过将校准过程分割为几个渐进的步骤，且在早期校准步骤只预测粗略的朝向，PCN 最后能实现精确的校准。此外，每一个校准步骤可以简单地旋转-90°、90°和 18.
测试python安装成功时报错_有一张人脸的侧脸图像，如何用python及相关的库来计算人脸转过的角度。-python如何安装dlib...
weixin_39811036的博客
12-04 351
dlib库，怎么在python中安装dlib的安装很头疼我自己折腾了好期才成功 要讲的话很以写在了word里链https://pan.baidu.com/s/1J-5W__7xJ1PPHv549aqZQQ 密码：w74zpython dlib加载特征检测器可以加快速度吗现进入CMD，然后输入DOS命令进入setup.py文件所在目录，然后输入python setup.py install就搞定了。...
【实验练习】基于自注意力机制Vision Transformer模型实现人脸朝向识别 (Python实现) 内容原创
Next_SummerAgain的博客
06-06 1421
基于自注意力机制Vision Transformer模型实现人脸朝向识别
dlib能够实现人脸欧拉角角度检测吗
05-27
是的，dlib可以实现人脸欧拉角角度检测。欧拉角是描述物体在三维空间中的姿态的一种方式，包括俯仰、偏航和翻滚三个角度。在dlib中，可以使用shape_predictor模型来获取人脸关键点，然后计算人脸的欧拉角。 以下是一个示例代码，可以实现使用dlib检测人脸并计算人脸的欧拉角： ```python import dlib import numpy as np import cv2 def get_head_pose(shape): """ 计算人脸的欧拉角 :param shape: 人脸关键点 :return: 人脸的欧拉角 """ # 计算眼睛中心点 eye_left = (shape.part(36).x, shape.part(36).y) eye_right = (shape.part(45).x, shape.part(45).y) eyes_center = ((eye_left[0] + eye_right[0]) // 2, (eye_left[1] + eye_right[1]) // 2) # 计算鼻子中心点和嘴巴中心点 nose_tip = (shape.part(30).x, shape.part(30).y) mouth_center_top = (shape.part(51).x, shape.part(51).y) mouth_center_bottom = (shape.part(57).x, shape.part(57).y) nose_mouth_center = ((nose_tip[0] + mouth_center_top[0] + mouth_center_bottom[0]) // 3, (nose_tip[1] + mouth_center_top[1] + mouth_center_bottom[1]) // 3) # 计算相机的焦距 focal_length = 500.0 # 计算相机中心点 center = (640 // 2, 480 // 2) # 计算图像中心点和眼睛中心点的距离 distance = np.sqrt((eyes_center[0] - center[0]) ** 2 + (eyes_center[1] - center[1]) ** 2) # 计算俯仰角 pitch = np.arcsin((nose_mouth_center[1] - eyes_center[1]) / distance) * 180 / np.pi # 计算偏航角 yaw = np.arcsin((eyes_center[0] - nose_mouth_center[0]) / distance) * 180 / np.pi # 计算翻滚角 roll = np.arcsin((eye_right[1] - eye_left[1]) / (eye_right[0] - eye_left[0])) * 180 / np.pi return (pitch, yaw, roll) def detect_face(image_path): """ 检测人脸并计算欧拉角 :param image_path: 图像路径 """ # 加载人脸检测器和关键点检测器 detector = dlib.get_frontal_face_detector() predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat") # 加载图像并进行人脸检测和关键点检测 image = cv2.imread(image_path) gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) dets = detector(gray, 1) for i, det in enumerate(dets): shape = predictor(gray, det) # 计算欧拉角 pitch, yaw, roll = get_head_pose(shape) print("第{}张人脸图像的欧拉角为：俯仰角={}度，偏航角={}度，翻滚角={}度".format(i + 1, pitch, yaw, roll)) ``` 您可以将以上代码复制到一个.py文件中，然后调用detect_face函数并传入人脸图像路径即可检测人脸并计算欧拉角。请注意，在运行代码前需要先下载dlib的人脸关键点检测模型文件"shape_predictor_68_face_landmarks.dat"并放置在代码同一目录下。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值