054基于python的人脸识别检测

最新推荐文章于 2024-05-14 11:00:23 发布
最新推荐文章于 2024-05-14 11:00:23 发布
阅读量72 收藏 1
点赞数 1
分类专栏： 深度学习 python 文章标签： python 开发语言 图像处理 深度学习 人工智能 pyqt
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/lyx_9696/article/details/131367647
版权

卷积网路CNN分类的模型一般使用包括alexnet、DenseNet、DLA、GoogleNet、Mobilenet、ResNet、ResNeXt、ShuffleNet、VGG、EfficientNet和Swin transformer等10多种模型
目标检测一般是yolov3、yolov4、yolov5、yolox、PSPnet、faster_rcnn、SDD等
图像分割一般是Unet、mask-rcnn、PSPnet、yolov5-segment等

​本期介绍的是基于python的人脸识别检测

视频演示和demo仓库地址：

银色子弹zg的个人空间-银色子弹zg个人主页-哔哩哔哩视频

效果图如下:

​

 代码所有文件:

​

运行01detect.py可以对单张图片进行人脸检测，

运行02pyqt界面.py显示一个pyqt的交互界面，通过点击按钮来进行人脸检测。

​

lyx_9696
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
如何使用Python YOLO进行人脸检测？
梦在硅谷的博客
05-05 1639
YOLO（You Only Look Once）是一种实时目标检测算法，它可以在一张图像中同时检测多个对象，并且速度非常快。本文将介绍如何使用Python YOLO进行人脸检测。
基于python的yolov5的人脸检测,带关键点检测,基于wideface训练的源码范例和详细说明（由浅入深 复杂代码在资料后
06-16
基于python的yolov5的人脸检测,带关键点检测,基于wideface训练的源码范例和详细说明（由浅入深 复杂代码在资料后半部分）.docx
yolov8人脸识别-脸部关键点检测（代码+原理）
阿利同学的博客
01-04 4999
yolov8人脸识别-脸部关键点检测（代码+原理），人脸识别python代码
【原创】YOLOV4 训练自己的训练集——人头检测
qq_42521520的博客
06-22 2426
【原创】YOLOV4 训练自己的训练集——人头检测数据集准备制作yolov4需要的label以及txt第一步，删除在“sets”里带2012的，在classes数据写入自己的训练类别“head”第二步，在路径前面添加”data/”第三步，修改convert_annotation()函数第四步，运行.py文件。修改配置文件1） 配置 head.data。2）配置 head.names。3）配置 yolov4-head.cfg开始训练测试：修改后python voc_label.py代码： 数据集准备 首先下载
基于YOLOv8深度学习的人脸面部表情识别系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战
阿旭的博客
01-02 6590
基于YOLOv8深度学习的人脸面部表情识别系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战
机器学习系列（7）:目标检测YOLO算法及Python实现以自动驾驶为例
LSayhi的博客
09-10 6961
机器学习系列 (7) 目标检测之YOLO算法原理及Python实现 目标检测： 1.目标分类 2.目标定位 3.特征点检测 4.滑动窗口检测 5.卷积的滑动窗口实现 YOLO算法： 1.什么是YOLO 2.边界框（Bounding Box）回归 3.交并比（IOU） 4.非极大抑制（NMS） 5.Anchor box 6.候选区域（Region proposals）(optio...
人脸识别-YOLOv5模型目标检测
热门推荐
fulk6667g78o8的专栏
07-26 1万+
↑↑↑关注后"星标"Datawhale每日干货 & 每月组队学习，不错过 Datawhale干货 作者：陈信达，华北电力大学，Datawhale成员目标检测是计算机视觉领域的一大任务，大致分为一阶段目标检测与两阶段目标检测。其中一阶段目标检测模型以YOLO系列为代表。最新的YOLOv5在各个数据集上体现出收敛速度快、模型可定制性强的特点，值得关注。本文主要讲解如何从零训练自己的YOLOv5模型与一些重要参数的含义。本文的训练数据使用的是开源数据集SHWD，已上
人脸检测和行人检测2：YOLOv5实现人脸检测和行人检测(含数据集和训练代码)
AI吃大瓜的博客
04-26 1万+
人脸检测和行人检测2：YOLOv5实现人脸检测和行人检测(含数据集和训练代码)，可实现同时检测人脸框和行人(人体)框，yolov5实现人脸检测，人体检测，行人检测，人脸人体检测，数据集，人脸行人检测
python人头识别_使用yolov4 训练自己的人头识别模型
weixin_39801202的博客
01-14 590
0、实验环境ubuntu 16.04opencv 3.4.10cuda 10.11、yolov4安装1.1、下载编译darknetgit clone https://github.com/AlexeyAB/darknetcd darknetdarknet 默认编译是不带cuda与opencv,而且不会编译so文件。如果想编译带有cuda与opencv，并编译so文件的需要修改Makefile进行编...
基于Python的人脸检测识别系统设计源码
04-03
本设计源码提供了一个基于Python的人脸检测识别系统。项目包含27个文件，主要使用Python编程语言。文件类型包括9个Python源代码文件、6个PNG图片文件、3个TXT文档、1个Git忽略文件、1个LICENSE文件、1个Markdown文档...
基于python的人脸识别
04-21
1.这是用python 编写的 2.需要自己安装并且配置好编程环境（基本，比如各种数据库） 3。实现功能：摄像头实时检测人脸并且识别
python基于人脸检测和人脸识别
11-24
基于python的一个人脸识别的实例，里面包含源代码，已经经过测试，是一个很好的入门级的例子
基于python人脸识别实现课堂抬头率检测【100012267】
05-18
本仓库设计并实现了一个简易的抬头率检测系统，通过调用摄像头来获取教室的实时图像，对图像进行人脸识别，并结合数据库中的选课人数计算该堂课的实时抬头率。此外，我们还设计了一个 UI 操作界面，以便管理人员浏览...
用yolov5做人脸检测
qq_52086693的博客
08-24 9986
用yolov5做人脸识别
python（环境安装）搭建、pycharm安装、背景改为白色详细文章
2301_77161927的博客
05-13 437
python（环境搭建）安装、pycharm安装、背景颜色改为白色。
力扣 516. 最长回文子序列 python AC
qq_63443032的博客
05-12 596
二维dp
【Python】Python中变量或者函数加下划线‘_‘的含义
最新发布
yangweipeng708的博客
05-14 594
理解这些约定可以帮助Python开发者编写更清晰、更Pythonic的代码，并理解其他Python代码中的命名习惯。）通常用来指示特定的编程约定或用法，这些约定主要关乎变量和函数的可访问性以及预期的使用范围。在Python中，变量或函数前面加一个下划线（
python3.6.8安装Transformers
筱阳的博客
05-13 648
4.transformers安装。
基于python人脸识别
12-13
基于Python的人脸识别技术主要包括三个部分：人脸检测、人脸特征提取和人脸识别。常用的库包括OpenCV和Dlib等。 以下是一个基于Python的人脸识别的示例代码： ```python import cv2 import dlib # 加载正脸检测器 detector = dlib.get_frontal_face_detector() # 加载人脸关键点检测器 predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat") # 加载人脸识别模型 facerec = dlib.face_recognition_model_v1("dlib_face_recognition_resnet_model_v1.dat") # 加载图片 img = cv2.imread("test.jpg") # 转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 检测人脸 faces = detector(gray, 1) # 遍历每个人脸 for face in faces: # 获取人脸关键点 landmarks = predictor(gray, face) # 获取人脸特征 face_descriptor = facerec.compute_face_descriptor(img, landmarks) # 在图像中绘制人脸框和关键点 cv2.rectangle(img, (face.left(), face.top()), (face.right(), face.bottom()), (0, 255, 0), 2) for i in range(68): x = landmarks.part(i).x y = landmarks.part(i).y cv2.circle(img, (x, y), 2, (0, 0, 255), -1) # 显示图像 cv2.imshow("image", img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 该代码使用了Dlib库进行人脸检测、关键点检测和人脸识别，并使用OpenCV库进行图像处理和显示。具体步骤包括： 1. 加载正脸检测器、人脸关键点检测器和人脸识别模型。 2. 加载图片并转换为灰度图像。 3. 使用正脸检测器检测人脸。 4. 遍历每个人脸，获取人脸关键点和人脸特征，并在图像中绘制人脸框和关键点。 5. 显示图像。

“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

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