![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人脸检测和识别
文章平均质量分 88
AI浩
2022年博客之星Top8,2021年博客之星Top6,博客专家,华为云云享专家,十佳博主,阿里云专家博主,拥有多项发明专利并参与过国家重大专项,拥有丰富的开发经验。注重理论与实践的结合,让AI学起来不再枯燥。如果大家在看文章的时候,发现了文章的错误,烦请指出,我会及时纠正。
展开
-
提取人脸特征的三种方法
提取人脸特征的三种方法第一种方法 直接使用dlib。安装dlib方法:https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/121470556思路:1、使用dlib.get_frontal_face_detector()方法检测人脸的位置。2、使用 dlib.shape_predictor()方法得到人脸的关键点。3、使用dlib.face_recognition_model_v1()方法提取特征。新建face_embedd原创 2022-05-11 10:06:50 · 11221 阅读 · 2 评论 -
使用opencv中的VideoWriter函数,保存视频
cv.VideoWriter(),其功能主要是创建一个对象,来写入视频。import numpy as npimport cv2 as cvcap=cv.VideoCapture(0)fourcc=cv.VideoWriter_fourcc(*'XVID')video_writer=cv.VideoWriter('output.avi',fourcc,30.0,(600,450))while cap.isOpened(): ret,frame=cap.read() if not原创 2021-12-18 07:19:00 · 3243 阅读 · 0 评论 -
人脸识别实战:使用Opencv+SVM实现人脸识别
在本文中,您将学习如何使用 OpenCV 进行人脸识别。文章分三部分介绍:第一,将首先执行人脸检测,使用深度学习从每个人脸中提取人脸量化为128位的向量。第二, 在嵌入基础上使用支持向量机(SVM)训练人脸识别模型。第三,最后使用 OpenCV 识别图像和视频流中的人脸。项目结构facedetection├─dataset│ ├─Biden│ ├─chenglong│ ├─mayun│ ├─Trump│ ├─yangmi│ └─zhaoliying├─face_det原创 2021-12-16 14:17:47 · 3960 阅读 · 0 评论 -
人脸检测实战终极:使用 OpenCV 和 Python 进行人脸对齐
使用 OpenCV 和 Python 进行人脸对齐这篇博文的目的是演示如何使用 OpenCV、Python 和面部标志对齐人脸。给定一组面部标志(输入坐标),我们的目标是将图像扭曲并转换为输出坐标空间。在这个输出坐标空间中,整个数据集中的所有面都应该:在图像中居中。旋转,使眼睛位于水平线上(即,旋转面部,使眼睛位于相同的 y 坐标上)。进行缩放,使面的大小大致相同。为此,我们将首先调用一个实现的 Python 类FaceAligner ,以使用仿射变换对齐人脸。注意:仿射变换用于旋转、缩原创 2021-12-13 06:00:00 · 6683 阅读 · 0 评论 -
人脸检测高级:疲劳检测
今天我们实现疲劳检测。 如果眼睛已经闭上了一段时间,我们会认为他们开始打瞌睡并发出警报来唤醒他们并引起他们的注意。我们测试一段视频来展示效果。同时代码中保留开启摄像头的的代码,取消注释即可使用。使用 OpenCV 构建犯困检测器要开始我们的实现,打开一个新文件,将其命名为 detect_drowsiness.py ,并插入以下代码:# import the necessary packagesfrom scipy.spatial import distance as distfrom imuti原创 2021-12-09 06:00:00 · 17974 阅读 · 16 评论 -
人脸检测实战高级:使用 OpenCV、Python 和 dlib 完成眨眼检测
今天,我们使用面部标记和 OpenCV 检测视频流中的眨眼次数。为了构建我们的眨眼检测器,我们将计算一个称为眼睛纵横比 (EAR) 的指标,该指标由 Soukupová 和 Čech 在他们 2016 年的论文《使用面部标记的实时眨眼检测》中介绍。与计算眨眼的传统图像处理方法不同,传统的图像处理方法通常涉及以下某些组合:眼睛定位。阈值以找到眼白。确定眼睛的“白色”区域是否在一段时间内消失(表示眨眼)。眼睛纵横比是一个更优雅的解决方案,它涉及基于眼睛面部标志之间距离比的非常简单的计算。这种眨原创 2021-12-07 16:00:43 · 11719 阅读 · 12 评论 -
人脸检测进阶:更快的5点面部标志检测器
人脸检测进阶:更快的5点面部标志检测器今天在这里的目标是向您介绍新的 dlib 面部标志检测器,它比原始版本更快(提高 8-10%)、更高效、更小(10 倍)。在这篇博文的第一部分,我们将讨论 dlib 的新的、更快、更小的 5 点面部标志检测器,并将其与随库分发的原始 68 点面部标志检测器进行比较。然后我们将使用 Python、dlib 和 OpenCV 实现面部标志检测,然后运行它并查看结果。最后,我们将讨论使用 5 点面部标志检测器的一些限制,并重点介绍一些您应该使用 5 点版本的 68 点原创 2021-12-06 20:06:48 · 3252 阅读 · 0 评论 -
人脸检测进阶:使用 dlib、OpenCV 和 Python 检测眼睛、鼻子、嘴唇和下巴等面部五官
## 使用 dlib、OpenCV 和 Python 检测眼睛、鼻子、嘴唇和下巴今天的博客文章将首先讨论与面部标志相关的 (x, y) 坐标以及如何将这些面部标志映射到面部的特定区域。然后我们将编写一些可用于提取每个面部区域的代码。我们将通过在一些示例图像上演示我们的方法的结果来结束博客文章。在这篇博文结束时,您将对如何通过面部标志(自动)提取面部区域有深入的了解,并将能够将这些知识应用到您自己的应用程序中。原创 2021-12-02 14:39:30 · 5040 阅读 · 11 评论 -
人脸检测进阶:使用 dlib、OpenCV 和 Python 检测面部标记
使用 dlib、OpenCV 和 Python 检测面部标记今天,我们将使用dlib和OpenCV来检测图像中的面部标记。dlib的安装教程:https://wanghao.blog.csdn.net/article/details/121470556人脸检测器模型:https://download.csdn.net/download/hhhhhhhhhhwwwwwwwwww/50939290人脸标记已成功应用于人脸对齐、头部姿势估计、人脸交换、眨眼检测等领域。在今天的博客文章中,我们将重点介原创 2021-11-29 05:00:00 · 11171 阅读 · 1 评论 -
人脸检测实战进阶:使用 OpenCV 进行活体检测
使用 OpenCV 进行活体检测在本篇博文中,您将学习如何使用 OpenCV 执行活体检测。您将创建一个活体检测器,该检测器能够在人脸识别系统中发现假人脸并执行反人脸欺骗。在教程的第一部分,我们将讨论活体检测,包括它是什么以及我们为什么需要它来改进我们的人脸识别系统。从那里我们将审查我们将用于执行活体检测的数据集,包括:如何构建用于活体检测的数据集 我们的示例真人脸图像与假人脸图像我们还将审查活体检测器项目的项目结构。为了创建活体检测器,我们将训练一个能够区分真脸和假脸的深度神经网络。 因此原创 2021-11-26 06:00:00 · 6024 阅读 · 9 评论 -
人脸检测实战:使用opencv加载深度学习模型实现人脸检测
使用 OpenCV 和深度学习进行人脸检测今天的博文分为三个部分。在第一部分中,我们将讨论更准确的 OpenCV 人脸检测器的起源以及它们在 OpenCV 库中的位置。然后我将演示如何使用 OpenCV 和深度学习在图像中执行人脸检测。最后我将讨论如何使用 OpenCV 和深度学习将人脸检测应用于视频流。这些“更好”的人脸检测器在 OpenCV 中处于什么位置,它们来自哪里?早在 2017 年 8 月,OpenCV 3.3 正式发布,带来了高度改进的“深度神经网络”(dnn)模块。 该模块支持多原创 2021-11-23 14:00:01 · 7249 阅读 · 7 评论 -
人脸识别实战:使用Python OpenCV 和深度学习进行人脸识别
在本教程中,您将学习如何使用 OpenCV、Python 和深度学习执行面部识别。 我们将首先简要讨论基于深度学习的面部识别的工作原理,包括“深度度量学习”的概念。 从那里,我将帮助您安装实际执行人脸识别所需的库。 最后,我们将为静止图像和视频流实现人脸识别。原创 2021-11-19 18:22:51 · 22201 阅读 · 18 评论