AI人工智能相面项目总结二,AI人脸识别接口的选择和根据人脸数据的测算

做AI相面,自然AI人脸识别是基础。目前AI人脸识别已经很成熟,相应提供接口的公司也很多,我们主要看了三家的接口,腾讯、百度和face++。

腾讯人脸识别接口

申请地址:https://cloud.tencent.com/product/facerecognition

主要有两部分组成。

1.人脸检测与分析。

检测给定图片中的人脸(Face)的位置、相应的面部属性和人脸质量信息,位置包括 (x,y,w,h),面部属性包括性别(gender)、年龄(age)、表情(expression)、魅力(beauty)、眼镜(glass)、发型(hair)、口罩(mask)和姿态 (pitch,roll,yaw),人脸质量信息包括整体质量分(score)、模糊分(sharpness)、光照分(brightness)和五官遮挡分(completeness)。

2.五官定位

对请求图片进行五官定位(也称人脸关键点定位),计算构成人脸轮廓的 90 个点,包括眉毛(左右各 8 点)、眼睛(左右各 8 点)、鼻子(13 点)、嘴巴(22 点)、脸型轮廓(21 点)

  • 4
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
## 使用前准备​ 1. 前往注册: [腾讯云账号注册](https://cloud.tencent.com/register) (详细指引见 [注册腾讯云](https://cloud.tencent.com/document/product/378/9603)) 2. 取得存储桶名称 **BucketName**: 请前往 [创建存储桶](https://cloud.tencent.com/document/product/460/10637) 3. 取得 **APPID**、**SecretId**、**SecretKey**:请前往 [云API密钥](https://console.cloud.tencent.com/cam/capi) ,点击“新建密钥” ## 快速体验 1. 修改文件 src/main/java/com/qcloud/image/demo/Demo.java 的 main() 方法,填入上述申请到的 **APPID**、**SecretId**、**SecretKey**、**BucketName** 2. 导入到 IDE:工程用 Maven 构建,以 Intellij IDEA 为例,导入方式为:Import Project -> 选择工程目录 -> Import project from external model -> Maven 3. 运行:Demo.java 右键,Run Demo.main() ## 使用简介 ### 初始化 ```java ImageClient imageClient = new ImageClient(APPID, SecretId, SecretKey); ``` ### 设置代理 根据实际网络环境,可能要设置代理,例如: ```java Proxy proxy = new Proxy(Type.HTTP, new InetSocketAddress("127.0.0.1", 8080)); imageClient.setProxy(proxy); ``` ### 使用 SDK 提供功能如下: **图像识别**:鉴黄,标签 **文字识别(OCR)**:身份证,名片,通用,驾驶证行驶证,营业执照,银行卡,车牌号 **人脸识别**:人脸检测,五官定位,个体信息管理,人脸验证,人脸对比及人脸检索 **人脸核身**:照片核身(通过照片和身份证信息),获取唇语验证码(用于活体核身),活体核身(通过视频和照片),活体核身(通过视频和身份证信息) ```java // 调用车牌识别API示例 String imageUrl = "http://youtu.qq.com/app/img/experience/char_general/icon_ocr_license_3.jpg"; String result = imageClient.ocrPlate(new OcrPlateRequest("bucketName", imageUrl)); System.out.println(result); ``` 更多例子详情可参见 [Demo.java](https://github.com/tencentyun/image-java-sdk-v2.0/blob/master/src/main/java/com/qcloud/image/demo/Demo.java) 的代码。 ## 集成到你的项目中 ### 获得 SDK jar 文件 1. 直接使用 release/*-with-dependencies.jar 2. 自行编译:在工程根目录下执行命令 `mvn assembly:assembly`,编译结果见 target/*-with-dependencies.jar ### 导入 jar 文件 根据项目具体情况导入 *-with-dependencies.jar
基于引用[1]和引用提供的信息,人工智能人脸识别大作业主要包括以下内容: 1. 原理简介:人脸识别是一种基于人工智能的技术,通过对人脸图像进行分析和处理,从而实现对人脸的自动识别和认证。主要包括人脸检测和人脸识别两个步骤。 2. 人脸检测步骤:人脸检测是指在图像中自动检测出人脸的位置和大小。常用的方法包括Haar特征分类器、HOG特征分类器、卷积神经网络等。其中,Haar特征分类器是一种基于机器学习的方法,通过对大量正负样本的训练,得到一个可以检测人脸的分类器。 3. 人脸识别步骤:人脸识别是指在检测到人脸后,对人脸进行特征提取和匹配,从而实现对人脸的识别和认证。常用的方法包括特征脸法、Fisher判别法、局部值模式直方图(LBP)等。其中,LBP是一种基于纹理特征的方法,通过对图像中每个像素点的灰度值进行值化,得到一个进制编码,从而提取出图像的纹理特征。 4. 遇到的问题:在实际应用中,人脸识别技术还存在一些问题,如人脸检测不准确、人脸识别时偶发匹配失误等。针对这些问题,可以通过增加人脸识别的限制、增加训练集的大小、使用更加精准的识别方法等方式进行解决。 5. 代码展示:在引用中提供了基于OpenCV的人脸识别代码示例,可以通过该示例了解人脸识别的具体实现过程。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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