影子

Mediapipe是google的一个开源项目，支持跨平台的常用ML方案。

学习face_recognition人脸识别的一个项目过程

1、Dlib是一个深度学习开源工具，基于C++开发，也支持Python开发接口2、由于Dlib对于人脸特征提取支持很好，很多训练好的人脸特征提取模型提供开发者使用，所以Dlib人脸识别开发很适合做人脸项目开发

主要学习早期的人脸识别的技术，了解以前的技术，了解人脸识别的发展过程

dlib库实现物体跟踪，但是存在很大问题，genyolo还是没办法比，学习一下过去的技术。

dlib库检测人脸关键点，有68个点和5个点，还有468和1000以上的点，做个demo学习一下哦，安装dlib库存在很多问题，填坑一下

基于dlib库，opencv进行人脸识别

opencv代码不提示问题解决

#Canny边缘检测canny边缘检测是一种非常流行的边缘检测算法，是John.F.Canny再1986年提出来了的。他是一个很多步构成的算法，我们接下来逐步介绍。1、噪声去除 由于边缘检测很容易受到噪声的影响，所以第一步是使用5x5的高斯滤波器去除噪声2、计算图像梯度 对平滑后的图像使用Sobel算子计算水平方向的和竖直方向的一阶导数（图像梯度）（Gx和Gy）。根据得到的这俩福梯度图（Gx和Gy）找到边界的梯度和方向， 公式如下：梯度的方向一般总是与边界垂直。梯度方向被归...

# 图像处理中，Thresholding中文翻译过来叫二值化或者阈值化。二值化就是把图片转换成只有white赫尔black这俩种颜色。通过Thresholding，可以让图片中感兴趣# 的颜色编程主角--white,其余的颜色全部都隐藏--black。另外，二值化后的图片也便于计算机进行分析，因为边缘轮廓十分清晰，所以计算机可以轻松找到边界线。# 然而，再找边界这方面，Thresholding并不是特别好的算法，有些时候遇到某些特殊图片效果也不太好。# cv2.THRESH_BINAR..

编程代码：import numpy as npimport matplotlib.pyplot as pltimport cv2#图像梯度def show(image): plt.imshow(image) plt.axis('off') plt.show()def imread(image): image=cv2.imread(image) #把图像的BGR转换成RGB image=cv2.cvtColor(image,cv2...

# RGB是从颜色发光的原理来设计定的，通俗点说它的颜色混合方式就好像有红、绿、蓝三盏灯，当它们的光相互叠加的时候，色彩相混，而亮度却等于俩者亮度之# 总和，越混合亮度越高，即加法混合。# 红、绿、蓝三个颜色通道每种色各分为256阶亮度，再0时最弱——是关掉的，而再255时灯最亮，当三色灰度数值相同时，产生不同灰度值的灰色调，即三色灰度都为0，# 是最暗的黑色调；三色灰度都为255时，是最亮的白色调。# 再电脑中，RGB的所谓'多少'就是指亮度，通常情况下，RGB各有256级亮度，用数字表示...

#平均平滑(Averaging)#计算卷积框覆盖区域所有像素的平均值得到卷积的结果import numpy as npimport matplotlib.pyplot as pltimport cv2#图像平滑def show(image): plt.imshow(image) plt.axis('off') plt.show()def imread(image): image=cv2.imread(image) #把图像的BGR转换成RGB..

腐蚀：其原理是在原图的小区域内取局部最小值。这个核也叫结构元素，因为形态学操作其实也是应用卷积来实现的，结构元素可以是矩形、椭圆、十字架，可以用cv2.getStructuringElement()来生成不同形状的结构元素import numpy as npimport matplotlib.pyplot as pltimport cv2#图像形态学def show(image): plt.imshow(image) plt.axis('off') plt.sho..

概念：图像金字塔；一般情况下，我们要处理是一副具有固定分辨率的图像。但是有些情况下，我们需要对同一图像的不同分辨率的子图像进行处理。比如，我们要在一副图像中查找某个目标，比如脸，我们不知道目标在图像中的尺寸大小。这种情况下，我们需要创建一组图像，这些图像是具有不同分辨率的原始图像。我们把这组图像叫做图像金字塔（简单来说就是同一图像的不同分辨率的子图集合）。如果我们把最大的图像放在底部，最小的放在顶部，看起来像一座金字塔，故而得名图像金字塔。高斯图像金字塔：高斯金字塔的顶部是通过.

图像遮挡：例子1：import numpy as npimport matplotlib.pyplot as pltimport cv2#图像遮挡def show(image): plt.imshow(image) plt.axis('off') plt.show()def imread(image): image=cv2.imread(image) #把图像的BGR转换成RGB image=cv2.cvtColor(image,cv2.

图像加法：#uint8 这是8位的无符号（0~255）#图像加法（200+100=255）print(cv2.add(np.uint8([200])),np.uint8([100]))#普通加法(255+1=0)print(np.uint8([200])+np.uint8([100]))图像的减法：#图像的减法(50-100=0)print(cv2.subtract(np.uint8([50])),np.uint8([100]))#普通减法(50-100=206)减到0的时候，再

demo图片：平移代码：import numpy as npimport matplotlib.pyplot as pltimport cv2#图像的平移def show(image): plt.imshow(image) plt.axis('off') plt.show()def imread(image): image=cv2.imread(image) image=cv2.cvtColor(image,cv2.COLOR_..

绘制一个图像在上面画线：import numpy as npimport matplotlib.pyplot as pltimport cv2#画图def show(image): plt.imshow(image) plt.axis('off') plt.show()image = np.zeros((300,300,3),dtype='uint8')#画线green = (0,255,0)cv2.line(image,(0,0),(300,300),gr

图像的载入import numpy as npimport matplotlib.pyplot as pltimport cv2image=cv2.imread('1.png')plt.imshow(image)plt.axis('off')plt.show()import numpy as npimport matplotlib.pyplot as pltimport cv2image=cv2.imread('1.png')# plt.imsho...

计算机视觉的相关技术和使用场景介绍：