![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人脸识别
xiaohuixiao!
这个作者很懒,什么都没留下…
展开
-
调节图像亮度
import cv2import numpy as npimport math def gamma_trans(img, gamma): # gamma函数处理 gamma_table = [np.power(x / 255.0, gamma) * 255.0 for x in range(256)] # 建立映射表 gamma_table = np.round(np.array(gamma_table)).astype(np.uint8) # 颜色值为整数 retur原创 2020-10-28 09:16:55 · 298 阅读 · 0 评论 -
基于图像的表情识别
参考文档:人脸识别之表情识别(七)–面部表情识别阶段综述一、FER介绍Facial Expression Recognition 面部表情识别,以下简称FER完整的FER包含静态图像FER和动态序列FER。静态图像FER,就是我们通常意义上的图片表情识别了,动态序列FER是基于视频序列建模,如RNN方式等。基于静态图像的FER方法主要还是基于静态图像的FER。主流的方式,从传统的手工特征(LBP,LBP-TOP等),浅层学习(SVM,Adaboost等),深度学习(CNN,DBN,RNN)二原创 2020-09-02 10:42:44 · 2229 阅读 · 1 评论 -
人脸识别-SeetaFace/face_recognition
人脸识别介绍:人脸检测/跟踪的目的是在图像/视频中找到各个人脸所在的位置和大小;对于跟踪而言,还需要确定帧间不同人脸间的对应关系。人脸特征点定位的目的是在人脸检测/跟踪获取的人脸区域的基础上,进一步,确定脸部特征点(眼睛、嘴巴中心点、眼睛、嘴巴轮廓特征点、器官轮廓特征点等)的位置。人脸特征点定位的基本思路,主要是将人脸局部器官的纹理特征和器官特征点之间的位置约束进行结合来进行处理。人脸表示是指根据人脸特征点的位置,对人脸进行几何校正并割取人脸区域(归一化到固定大小)之后,得到最具有鉴别(区分)能力的特原创 2020-05-20 15:51:27 · 1073 阅读 · 0 评论