使用dlib应用（HOG和CNN）进行人脸检测

置顶 已于 2023-10-08 19:34:22 修改
阅读量4.3k 收藏 37
点赞数 6
分类专栏： Python OpenCV 图像处理 人脸识别 文章标签： 人脸识别 opencv 图像处理 HOG+线性SVM CNN人脸检测
于 2021-07-01 22:25:32 首次发布
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/qq_40985985/article/details/118369824
版权
人脸识别 同时被 3 个专栏收录
19 篇文章 110 订阅 ¥19.90 ¥99.00
订阅专栏 超级会员免费看
Python OpenCV
262 篇文章 95 订阅
订阅专栏
图像处理
236 篇文章 43 订阅
订阅专栏
本文介绍了如何利用dlib库进行人脸检测，包括HOG+线性SVM和MMOD-CNN两种方法。HOG+SVM检测速度快但对视角变化敏感，而MMOD-CNN精度高且健壮，适用于GPU环境。通过实例展示了两者的效果，并提供了源码参考。
摘要由CSDN通过智能技术生成

使用dlib应用（HOG和CNN）进行人脸检测

这篇博客将介绍如何使用dlib库应用HOG+线性SVM和CNNs执行人脸检测。

dlib库是人脸识别最常用的软件包之一，其中内置了两种人脸检测方法：

  • HOG+线性SVM人脸检测器：精确高效的人脸检测算法，精确度比MMOD—CNN稍低一些（不能容忍视角旋转的变化），但要高于OpenCV的Haar级联。
  • MMOD-CNN人脸检测器：既高度准确又非常健壮，能够从不同的视角、光照条件和遮挡条件下检测人脸。可以在NVIDIA GPU上运行，使其速度超快！该模型需要更多的计算（速度较慢）。

如果可以访问一个GPU，可选择dlib的MMOD-CNN人脸检测器，从而提高实时人脸检测的速度。MMOD—CNN人脸检测器与GPU的结合简直是天作之合——既能获得深度神经网络的精确度，又能获得计算成本较低的模型的速度。

1. 效果图

1.1 dlib的HOG+线性SVM人脸检测器效果图

效果图1：单个人脸正确检测
在这里插入图片描述
效果图2：多个面部人脸也均正常检测，耗时约0.07秒，这意味着可以在视频流场景中每秒处理15帧

了解本专栏 订阅专栏 解锁全文 超级会员免费看
程序媛一枚~
关注
  • 6
    点赞
  • 踩
  • 37
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 6
    评论
专栏目录
订阅专栏
Python人脸图像特征提取（HOG、Dlib、CNN方法）
weixin_45306136的博客
07-06 5126
Python人脸图像特征提取（HOG、Dlib、CNN方法）一、HOG人脸图像特征提取1、HOG特征：1) 主要思想：2) 实现方法：3) 性能提高：4) 优点2、HOG特征提取算法的实现过程：二、Dlib人脸图像特征提取1.Dlib介绍2.主要特点三、卷积神经网络人脸图像特征提取1、卷积神经网络简介2、卷积神经网络结构1) 输入层2) 隐含层卷积层池化层输出层 一、HOG人脸图像特征提取 1、HOG特征： 方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在
利用dlib进行人脸检测
qq_33143379的博客
10-11 1292
一、dlib环境搭建        1）dlib安装，pip install dlib。参考：http://www.cnblogs.com/vipstone/p/8964656.html 。        2）训练模型下载；训练模型是人脸检测的关键，且能够查找人脸的关键点。下载地址：http://dlib.net/files/  ，下载文件为：shape_predictor_68_face_l...
dlib.cnn_face_detection_model_v1实现人脸检测
weixin_53371809的博客
03-31 1294
在用JupyterLab使用cnn_face_detection_model_v1时遇到了一些问题，在此提供一些解决方法
dlib 调用cnn人脸检测
weixin_40277254的博客
08-29 5803
本文调用训练好的卷积神经网络进行人脸检测，首先需要下载训练好的模型mmod_human_face_detector.dat，模型下载链接为：http://dlib.net/files/mmod_human_face_detector.dat.bz2 代码实现： import dlib import cv2 # 导入cnn模型 cnn_face_detector = dlib.cnn_fac...
基于Python+OpenCV+dlib的CNN人脸识别
最新发布
qq1744828575的博客
06-08 597
一、项目背景与目标随着人工智能技术的快速发展，人脸识别技术在安全监控、身份验证、智能支付等多个领域得到了广泛应用。本项目旨在利用Python编程语言，结合OpenCV和dlib这两个强大的计算机视觉库，以及卷积神经网络（CNN）的深度学习模型，开发一个高效、准确的人脸识别系统。二、技术选型与特点Python：作为本项目的主要编程语言，Python的简洁语法和丰富的库支持为项目的快速开发和部署提供了便利。
基于mtcnn人脸检测+dlib人脸特征提取
yefeihahaha1的博客
12-06 4454
前言 本文主要是记录项目过程，主要的流程如下： 1.传入视频流使用mtcnn人脸检测，将人脸区域裁剪出来并且保存。 2.利用拉普拉斯算子去掉保存的图片中模糊的图片。 3.利用dlib库中人脸特征提取的算法提取人脸特征，并且利用聚类去除重复人脸。 准备工作 Conda 是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。 Conda 是为 Pytho...
人脸图像特征提取方法（HOG、Dlib、CNN）简述
热门推荐
白码王子小张的博客
07-03 1万+
目录人脸图像特征提取方法（一）HOG特征提取（二）Dlib库（三）卷积神经网络特征提取（CNN） 人脸图像特征提取方法 （一）HOG特征提取 1、HOG简介 Histogram of Oriented Gridients，缩写为HOG，是目前计算机视觉、模式识别领域很常用的一种描述图像局部纹理的特征。它的主要思想是在一副图像中，局部目标的表象和形状能够被梯度或边缘的方向密度分布很好地描述。其本质为：梯度的统计信息，而梯度主要存在于边缘的地方。 2、实现方法 首先将图像分成小的连通区域，这些连通区域被叫做细胞
深度学习----CNN的图像学习之HOG(方向梯度直方图)详解
樱花落瓣
08-03 8807
一、原理 二、参数的理解 2.1、灰度值 2.2、归一化 2.3、细胞 2.4、窗口 2.5、类型 2.6、Gamma标准化 2.7、图像梯度及梯度算子 2.8、直方图 2.9、高斯空域加窗 三、步骤及算法 3.1、数据预处理 3.2、计算梯度图像 3.3、计算梯度直方图 3.4、归一化 3.5、计算HOG特征向量 四、HOG优缺点 （Histogram Of G...
基于dlib的人脸识别和情绪检测
07-17
【基于dlib的人脸识别和情绪检测】是一个深入探讨如何使用Python编程语言，结合dlib库进行人脸识别和情感分析的项目。在这个项目中，我们将会学习到如何利用dlib库的强大功能来处理图像数据，实现人脸检测、特征点...
基于Dlib和OpenCV的人脸活体检测.zip
04-05
此外，有许多书籍、在线课程、博客文章和研讨会专门讲解OpenCV的使用和计算机视觉技术。 综上所述，OpenCV作为一款功能强大、高效、跨平台且开源的计算机视觉库，为开发者提供了实现各类图像和视频处理任务所需的...
人脸图片检测Dlib 19.17库，无需安装boost
05-09
在人脸检测中，Dlib利用预训练的面部特征检测器，这是一个基于深度学习的模型，称为HOG（Histogram of Oriented Gradients）或更先进的CNN（卷积神经网络）。这种模型可以从图像中精确地定位出人脸的位置和大小，...
论文研究-基于CNN与HOG特征的决策级融合图像识别 .pdf
08-16
基于CNN与HOG特征的决策级融合图像识别，王康，陈振学，图像识别在计算机视觉领域广泛应用。深度学习热潮兴起之后，卷积神经网络（Convolutional Neural Network, CNN）作为其中的一种典型模型，在
dlib 68点人脸特征点检测
07-04
dlib库的68点人脸特征点检测是基于深度学习的，虽然这里提到的是HOG方法，但dlib也提供了使用CNN（卷积神经网络）的模型，称为DNN（深度神经网络）。这种模型在训练集上进行了大量的学习，可以更精确地定位特征点，...
人脸检测：使用openCV进行人脸检测
02-12
在这个项目“人脸检测：使用openCV进行人脸检测”中，我们将深入探讨如何利用OpenCV的Haar级联分类器或Dlib库进行人脸检测。 首先，OpenCV的人脸检测通常基于Adaboost算法训练的Haar特征级联分类器。这个级联分类器...
CNN人脸识别项目（dlib+opencv）
古月哥欠666的博客
03-28 7417
CNN人脸识别获取数据集读取数据集数据预处理建立模型进行预训练对图片进行人脸进行检测并进行可视化总结 思路：一个CNN人脸识别项目首先必不可少的是数据集，获取的方式有网站数据库 PubFig：Public Figures Face Database、Large-scale CelebFaces Attribtes(CelebA) Dataset、BioID Face Database-FaceDB、YouTube Face等网站，或者是自己根据需求在网页抓取图像并进行图像的一些预处理操作 然后是建立一个
【计算机视觉40例】案例32：定位人脸
计算机视觉之光
08-12 1616
《计算机视觉40例——从入门到深度学习（OpenCV-Python）》在介绍Python基础、OpenCV基础、计算机视觉理论基础、深度学习理论的基础上，介绍了计算机视觉领域内具有代表性的40个典型案例。这些案例中，既有传统的案例（数字识别、答题卡识别、物体计数、缺陷检测、手势识别、隐身术、以图搜图、车牌识别、图像加密、指纹识别等），也有深度学习案例（图像分类、风格迁移、姿势识别、实例分割等），还有人脸识别方面的案例（表情识别、驾驶员疲劳监测、识别性别与年龄等）。...
基于C#结合dlib实现人脸识别及眼部识别【附源码】
ctu_sue的博客
01-01 1177
本文基于C#及dlib及emgu结合使用实现摄像头人脸定位及眼部定位，读者可以根据dlib来实现其他人脸识别的功能。注意这里包含了CPU和GPU，本人使用的是CPU，包含人脸识别、眼部识别（其他功能可根据dlib库进行修改即可使用）
【Dlib人脸检测】1. HOG特征描述方法
普罗米修斯的博客
05-29 4510
【 1. Harr级联人脸检测、Dlib人脸检测器 】 OpenCV中的Harr级联人脸检测。它算是人脸识别中早期的检测方法，现在Dlib库在业内开始流行。因为很大程度上是其使用的HOG-SVM人脸检测比OpenCVHarr级联人脸检测效果更好。 当然，现在两个库中也都集成了基于深度学习方法的人脸检测算法。 OpenCV中Harr级联人脸检测优缺点 优点： 几乎可以在CPU上实时工作； 架构简单； 可以检测不同比例的人脸。 缺点 会出现大量的把非人脸预测为人脸的情况； 不适用于非正面人脸图像；
python实现cnn特征提取过程详解_Python人脸图像特征提取（HOG、Dlib、CNN方法）
weixin_33401529的博客
01-29 5494
Python人脸图像特征提取(HOG、Dlib、CNN方法)一、HOG人脸图像特征提取1、HOG特征：1) 主要思想：2) 实现方法：3) 性能提高：4) 优点2、HOG特征提取算法的实现过程：二、Dlib人脸图像特征提取1.Dlib介绍2.主要特点三、卷积神经网络人脸图像特征提取1、卷积神经网络简介2、卷积神经网络结构1) 输入层2) 隐含层卷积层池化层输出层一、HOG人脸图像特征提取1、HOG...
基于HOG+Dlib人脸检测与基于CNN+Dlib人脸检测优劣势
03-31
基于HOG Dlib人脸检测的优势： 1. 速度快：HOG算法的计算速度非常快，可以快速地完成人脸检测任务。 2. 准确度高：HOG算法可以检测出各种不同角度和大小的人脸，并且对于噪声和光照变化的干扰具有较高的抵抗能力。 3. 资源要求低：HOG算法不需要太多的计算资源，可以在嵌入式设备上运行。 基于CNN Dlib人脸检测的优势： 1. 准确度更高：相比于HOG算法，CNN算法可以得到更高的检测准确度，并且可以检测出更复杂的人脸特征。 2. 对光照变化和姿态变化的适应性更强：CNN算法可以通过深度学习的方式适应各种不同的光照和姿态变化，使得检测结果更加稳定。 3. 可扩展性强：CNN算法可以通过训练更多的数据集来提高检测准确度，同时还可以对算法进行更多的优化和改进。 综上所述，基于CNN Dlib人脸检测在准确度、适应性和可扩展性方面表现更优，但需要更多的计算资源和训练数据，并且速度较慢；基于HOG Dlib人脸检测则速度快、资源要求低、适应性较强，但准确度相对较低。选择哪种算法需要根据具体的应用场景和需求来决定。
评论 6
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

打赏作者

程序媛一枚~

您的鼓励是我创作的最大动力。

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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