【陈工笔记】【复盘】# 基于视频流的人脸打卡系统 #

最新推荐文章于 2024-09-19 15:53:35 发布

我看到你啦滴

最新推荐文章于 2024-09-19 15:53:35 发布

阅读量245

点赞数 1

文章标签：大数据

本文链接：https://blog.csdn.net/qq_41684259/article/details/108937356

版权

这篇博客回顾了一位工程师在2018年至2019年参与的人脸识别项目，项目涉及理论研究与实际操作。理论研究侧重人脸识别，实际操作包括硬件搭建、环境配置、算法实现（YOLO和CenterFace）。作者强调了项目经验的价值，尤其是将理论知识转化为实际应用。博客还简述了YOLO算法的工作原理和优缺点，并提供了实验流程概述。

摘要由CSDN通过智能技术生成

“良好的习惯，才不会让努力白白浪费。”

在2018年下半年至2019年上半年，我加入了实验室人脸识别项目组，参加了该项目的早期科研课题。起初，该项目的实际操作包括两大部分，分别是理论研究和实际操作。

理论研究，以人脸识别为关键词，关注世界前沿文献为主。

实际操作，实验室入手了关于人脸识别的若干实验组件，包括配套电脑、GPU（从1080ti到Tesla V100）、以及若干海康威视摄像头。数据的获取，以网络视频数据集、本校校园内监控数据（极少数），及本实验室自己模拟的视频数据集为主。除此之外，包括参与使用QT进行前端打卡界面的设计工作，以及前端和后台间的数据传输工作（该部分工作属于涉及，而非主要）。

而我参与的部分，从实验硬件设备的搭建工作开始，电脑实验环境配置，GPU机箱安装，摄像头安装及调试，及若干硬件工作。理论方面，主要基于YOLO算法进行的研究和试验。而我们工作的目标，也主要是为了应用落地，其次才是发表文章。所以，个人认为，这份项目经验，非常宝贵。终于不再是书面知识，而是落实到了实实在在的地方，看得到，摸得着。

关于YOLO算法的理解，

“目标检测算法取得了很大的突破。比较流行的算法可以分为两类，一类是基于Region Proposal的R-CNN系算法（R-CNN，Fast R-CNN, Faster R-CNN），它们是two-stage的，需要先使用启发式方法（selective search）或者CNN网络（RPN&