hongbin_xu的博客

大学最后的考试终于结束了，迎来了暑假和大四的漫长的“自由”假期。当然要自己好好“玩玩”了。 我最近在学习Python，本意是在机器学习深度学习上使用Python进行编程的而学习的。偶然接触了pygame，觉得很感兴趣，所以打算使用pygame制作一个小游戏作为对Python学习和练习。 废话不多说了，先介绍一下pygame。简要介绍：请原谅本人比较懒，直接上百度百科进行介绍：（点我打开链接）

前言前段时间因为各种杂事缠身，一直没时间自己玩玩。今天元旦，打算给自己放个假，所以就寻思着玩玩手边吃了几个月灰的树莓派。花了些时间自己写了点代码，实现了在树莓派端启动服务器，并实时将从连接到树莓派的摄像头读取的数据传输到服务器上，在客户端接收服务器的数据并实时显示图像。功能很简单，代码也很简陋，希望勿喷。 我并没有做完整图像处理的功能，本来打算放yolo上去进行实时目标检测，于是我试着在树莓派上跑

前言我们要使用opencv和dlib实现在视频流中实时检测和计数眨眼次数。 参考论文：Real-Time Eye Blink Detection using Facial Landmarks 作者在这篇文章中提出了一个眼睛纵横比（eye aspect ratio (EAR)）的概念，通过计算这个EAR的数值，我们可以判断眼睛是张开还是闭合，从而检测眨眼动作。 首先，参考别人翻译的这篇文章

此前由于ubuntu系统自带的QT版本与caffe的有冲突，我在管理时误删了ubuntu自带的qt4的相关组建，如QtCore等。 此后，每次打开基于qt4的程序时都会报如下错误： ImportError: libQtCore.so.4: cannot open shared object file: No such file or directory于是只有上网搜索相关的解

问题概述在PYQT中，有时我们会需要将log信息等实时打印到ui控件上，但是由于PYQT的进程保护机制，我们无法像使用print函数中那样，直接使用就能打印出来信息。所以通常都会发现，PYQT中的UI控件，比如QTextBrowser，使用它的append()函数和print函数同时来打印信息，往往print会将信息实时一点点打印出来，而QTextBrowser则不会，反而会等到这一段程序运行

转载请注明出处：http://blog.csdn.net/hongbin_xu 或 http://hongbin96.com/ 文章链接：http://blog.csdn.net/hongbin_xu/article/details/74981819 或http://hongbin96.com/125今天看微信时，看到一篇推送文章介绍了一个基于python的开源人脸识别库，且其离线识别率高达...

前言在前面的博客：HOG特征检测学习笔记中，介绍了HOG特征，也附有代码实现。这篇博客中将会使用HOG+SVM这一经典的目标检测算法来进行行人检测，但是不会讨论HOG或者SVM的理论部分，如果有不懂的请自行查阅以前的博客。我分别写了python版本和C++版本的demo，数据集是直接下载了别人的，这些都会附在文章的最后。 网上也有很多介绍HOG的不错的文章： HOG+SVM行人检测的...

前言阅读英文文献碰到生词时，我常常使用谷歌翻译或是搜狗翻译来辅助翻译英文。谷歌翻译相对其他同行来说，翻译学术相关的东西时，效果是还可以的。前段时间，发现有些PDF格式的英文段落复制到谷歌翻译上格式总是不对，比如多出了很多换行等等，每次都要手动修改，于是想着干脆写一个自动调整好格式并翻译的程序，偷下懒。程序不算复杂，下面会给出截图，以及托管在github上的代码和打包好的软件包。说明...

前言LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen, 和 D. Harwood 在1994年提出，用于纹理特征提取。而且，提取的特征是图像的局部的纹理特征。常用的特征描述子有：HOG、Harris、LBP等等，其中LBP是最为简单且有效的一种...

前言面部表情跟踪的原理就是检测人脸特征点，根据特定的特征点可以对应到特定的器官，比如眼睛、鼻子、嘴巴、耳朵等等，以此来跟踪各个面部器官的动作。程序实现原理很简单，下面直接上程序了：# *_*coding:utf-8 *_*# author: 许鸿斌import sysimport cv2import dlibimport osimport loggingim...

前言在前面的博客中（OpenFace学习（1）：安装配置及人脸比对），介绍了OpenFace的安装配置，以及一个人脸匹配的demo。其中只是匹配了几张图片中人脸，对每个人脸的特征向量很粗略地采用欧氏距离测量，效果也还不错。本文中将使用SVM来对每个人脸的特征向量进行分类，进行人脸比对。demo代码文件有三个：featrure_extract.py：提取人脸信息，每一张人脸提取...

前言前面的博客介绍过使用dlib进行人脸检测、比对、检测特征点等等操作。 python dlib学习（一）：人脸检测 python dlib学习（二）：人脸特征点标定 python dlib学习（五）：比对人脸 这次再将那些操作综合一下，进行人脸聚类。识别图片中的人脸，并分类。这里使用的是聚类，属于无监督学习。这里对每个人脸的区分与比对人脸中原理相同，将人脸映射到128D的空间中，计算彼此之

前言调用训练好的卷积神经网络（CNN）模型进行人脸检测。 模型下载链接：http://dlib.net/files/mmod_human_face_detector.dat.bz2 程序注：使用了opencv和dlib，需要自行配置环境。# -*- coding: utf-8 -*-import sysimport dlibimport cv2# 导入cnn模型cnn_face_detec

机器学习中，神经网络算法可以说是当下使用的最广泛的算法。神经网络的结构模仿自生物神经网络，生物神经网络中的每个神经元与其他神经元相连，当它“兴奋”时，想下一级相连的神经元发送化学物质，改变这些神经元的电位；如果某神经元的电位超过一个阈值，则被激活，否则不被激活。误差逆传播算法（error back propagation）是神经网络中最有代表性的算法，也是使用最多的算法之一。误差逆传播算法理论

上一篇博客中，推导了线性回归的公式，这次试着编程来实现它。（机器学习入门学习笔记：（2.1）线性回归理论推导 ）   我们求解线性回归的思路有两个：一个是直接套用上一篇博客最后推导出来的公式；另一个是使用梯度下降法来求解极值。如果数据量很大不建议采用第一个，采用后者能更有效地减小计算量。这篇博客后面的程序也采用的是后者。   事先声明，这篇博客是我自己的学习笔记，代码参考了《机器学习实战》一书，

Face++介绍：Face++平台提供一整套世界领先的人脸检测，人脸识别，面部分析的视觉技术服务。通过提供云端API、离线SDK等供用户进行开发，像支付宝人脸支付使用的技术就是Face++。（face++的介绍）每个人在Face++的官网注册账号后可以申请新建API，填写相关信息后，随后会分配API key和 API Secrect。我们可以选择试用的服务，由于是免费的有的功能不支持。 分配的AP

前言  9月份时，大四狗都忙着“保研大战”。在等待结果的那几天，我就自己写了一个人脸识别的小软件“打发时间”。软件基于Python语言编写，用了PYQT还有face_recognition库。有关face_recognition库的应用，我在之前的博客中介绍了如何使用。（应用一个基于Python的开源人脸识别库，face_recognition）    PYQT是一个创建GUI应用程序的工具包。P

前言dlib提供了dlib.correlation_tracker()类用于跟踪目标。 官方文档入口：http://dlib.net/python/index.html#dlib.correlation_tracker 不复杂，就不介绍了，后面会直接给出两个程序。程序1# -*- coding: utf-8 -*-import sysimport dlibimport cv2tracker

前言在前面的博客中介绍了，如何使用dlib标定人脸（python dlib学习（一）：人脸检测），提取68个特征点（python dlib学习（二）：人脸特征点标定）。这次要在这两个工作的基础之上，将人脸的信息提取成一个128维的向量空间。在这个向量空间上，同一个人脸的更接近，不同人脸的距离更远。度量采用欧式距离，欧氏距离计算不算复杂。 二维情况下： distance=(x1−x2)2+(y1−

前言前面的博客都是使用dlib官方提供的训练好的模型，进行目标识别。 - python dlib学习（一）：人脸检测 - python dlib学习（二）：人脸特征点标定 - python dlib学习（三）：调用cnn人脸检测 - python dlib学习（四）：单目标跟踪 - python dlib学习（五）：比对人脸 直接进入主题吧，这次我们要自己训练一个模型

前言dlib毕竟是一个很有名的库了，有c++、Python的接口。使用dlib可以大大简化开发，比如人脸识别，特征点检测之类的工作都可以很轻松实现。同时也有很多基于dlib开发的应用和开源库，比如face_recogintion库（应用一个基于Python的开源人脸识别库，face_recognition）等等。环境安装不算复杂，我只在Linux和win下跑过。安装配置不算难，直接贴链接了。 Li

前言前面的博客介绍过人脸特征点标定：python dlib学习（二）：人脸特征点标定。这次试着使用这些人脸特征点来对人脸进行对齐。程序上代码，程序中使用了python-opencv，事先要配置好环境。 我们在程序中会导入识别人脸特征点的模型，官方例程给出的模型的链接： http://dlib.net/files/shape_predictor_5_face_landmarks.dat.bz2（5

前言上次介绍了人脸检测的程序（python dlib学习（一）：人脸检测），这次介绍人脸特征点标定。dlib提供了训练好的模型，可以识别人脸的68个特征点。 下载链接：http://pan.baidu.com/s/1i46vPu1。程序还是直接上代码，注释在程序中。用到了python-opencv、dlib。# -*- coding: utf-8 -*-import sysimport dli

前言前面的博客（python dlib学习（二）：人脸特征点标定）介绍了使用dlib识别68个人脸特征点，但是当时使用的是dlib官方给出的训练好的模型，这次要自己训练一个特征点检测器出来。当然，想要达到state-of-art的效果需要自己调参，这也是一个苦差了。后面会给出训练和测试的程序，完整工程的下载链接我会放在博文的最后。数据集准备这里可以选择自己制作也可以使用dlib源码中提供的测试用的数

前言之前的博客中介绍了决策树算法的原理并进行了数学推导（机器学习入门学习笔记：（3.1）决策树算法）。决策树的原理相对简单，决策树算法有：ID3，C4.5，CART等算法。接下来将对ID3决策树算法进行程序实现，参考了《机器学习实战》一书。这篇博客也作为自己个人的学习笔记，以便自己以后温习。伪代码以及算法流程伪代码：创建分支的伪代码函数createBranch()：检测数据集中每一个子项是否属于统

前言前几天在网上看到了openface（链接），觉得挺有趣就下载配置了一下，稍微修改了一下跑了个demo，效果还是很不错的。这里分享下安装配置的过程以及demo。简介openface是一个基于深度神经网络的开源人脸识别系统，由卡耐基梅隆大学的B. Amos主导。代码全部开源在github上了，还提供了一些预训练模型。该系统是参考CVPR2015的：FaceNet: A Unifie...