Flask+人脸位姿检测

最新推荐文章于 2022-08-23 10:46:56 发布
最新推荐文章于 2022-08-23 10:46:56 发布
阅读量915 收藏 1
点赞数 1
文章标签： flask python
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_46141123/article/details/125415505
版权

目录

一、任务目标

  1. 将虚拟主播实验中眼动的数据（眼睛移动、头部姿态等数据），生成到Flask网页前端
  2. 实现一个头部姿态左右转动和上下抬头低头的检测，驱动一个vue3直方图（或其他图形），实现头部运动交互的数据可视化作品
  3. 实现一个头部姿态左右转动和上下抬头低头的检测，驱动数据可视化切换数据（Vue3网页，或者普通网页均可）

二、程序实现

1. Python代码

创建Flask服务，构建Flask页面。

1） 导入库
from flask import Flask, render_template, jsonify
from flask_sqlalchemy import SQLAlchemy
import pymysql
from flask import Flask, json, request, Response, render_template
from flask_cors import CORS
import json
import configparser
import os
import cv2
import numpy as np
import dlib
2） 设置

设置连接数据库链接，便于后续存取可视化数据。注意，一定要加入“app.config[‘JSON_AS_ASCII’] = False”，从而确保页面显示为utf-8格式。

app = Flask(__name__)
app.config['SECRET_KEY'] = 'hard to guess string'
app.config['SQLALCHEMY_DATABASE_URI'] = 'mysql+pymysql://root:123456@localhost:3306/7'
app.config["SQLALCHEMY_TRACK_MODIFICATIONS"] = False
app.config['SQLALCHEMY_COMMIT_ON_TEARDOWN'] = True
app.config['JSON_AS_ASCII'] = False
db = SQLAlchemy(app)
3） 脸部数据存储的类

在Flask中定义数据库的列，分别是：图片中最大人脸的范围、水平旋转量、垂直旋转量。

class face_data(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    face = db.Column(db.String(255))   
    new1 = db.Column(db.String(255))   
    new2 = db.Column(db.String(255))
4） 主页

构建Flask页面中的主页。

@app.route("/")
def hello():
    return render_template("home.html")
5） save页

构建Flask页面中的数据存储save页。

@app.route("/save", methods=["GET", "POST"])
def save_data():
    """
    detect face
    """
    import cv2
    import numpy as np
    # to detect face key point
    import dlib

    DETECTOR = dlib.get_frontal_face_detector()
    # 人脸模型数据
    PREDICTOR = dlib.shape_predictor(
        './static/shape_predictor_68_face_landmarks.dat')

    def face_positioning(img):
        """
        定位人脸
        计算最大面积
        """
        dets = DETECTOR(img, 0)
        if not dets:
            return None
        return max(dets, key=lambda det: (det.right() - det.left()) * (det.bottom() - det.top()))

    def extract_key_points(img, position):
        """
        提取关键点
        """
        landmark_shape = PREDICTOR(img, position)
        key_points = []
        for i in range(68):
            pos = landmark_shape.part(i)
            key_points.append(np.array([pos.x, pos.y], dtype=np.float32))
        return key_points

    def generate_points(key_points):
        """
        生成构造点
        """

        def center(array):
            return sum([key_points[i] for i in array]) / len(array)

        left_brow = [18, 19, 20, 21]
        right_brow = [22, 23, 24, 25]
        # 下巴
        chin = [6, 7, 8, 9, 10]
        nose = [29, 30]
        return center(left_brow + right_brow), center(chin), center(nose)

    def generate_features(contruction_points):
        """
        生成特征
        """
        brow_center, chin_center, nose_center = contruction_points
        mid_edge = brow_center - chin_center
        # 斜边
        bevel_edge = brow_center - nose_center
        mid_edge_length = np.linalg.norm(mid_edge)
        # 高与底的比值
        horizontal_rotation = np.cross(
            mid_edge, bevel_edge) / mid_edge_length ** 2
        # @ 点乘
        vertical_rotation = mid_edge @ bevel_edge / mid_edge_length ** 2
        return np.array([horizontal_rotation, vertical_rotation])

    def draw_image(h_rotation, v_rotation):
        """
        画脸
        Args:
            h_rotation: 水平旋转量
            v_rotation: 垂直旋转量
        """
        img = np.ones([512, 512], dtype=np.float32)
        face_length = 200
        center = 256, 256
        left_eye = int(220 - h_rotation *
                       face_length), int(249 + v_rotation * face_length)
        right_eye = int(292 - h_rotation *
                        face_length), int(249 + v_rotation * face_length)
        month = int(256 - h_rotation * face_length /
                    2), int(310 + v_rotation * face_length / 2)
        cv2.circle(img, center, 100, 0, 1)
        cv2.circle(img, left_eye, 15, 0, 1)
        cv2.circle(img, right_eye, 15, 0, 1)
        cv2.circle(img, month, 5, 0, 1)
        return img

    def extract_img_features(img):
        """
        提取图片特征
        """
        face_position = face_positioning(img)
        if not face_position:
            cv2.imshow('self', img)
            cv2.waitKey(1)
            return None
        key_points = extract_key_points(img, face_position)
        for i, (p_x, p_y) in enumerate(key_points):
            cv2.putText(img, str(i), (int(p_x), int(p_y)),
                        cv2.FONT_HERSHEY_COMPLEX, 0.25, (255, 255, 255))
        construction_points = generate_points(key_points)
        for i, (p_x, p_y) in enumerate(construction_points):
            cv2.putText(img, str(i), (int(p_x), int(p_y)),
                        cv2.FONT_HERSHEY_COMPLEX, 0.25, (255, 255, 255))
        rotation = generate_features(construction_points)
        cv2.putText(img, str(rotation),
                    (int(construction_points[-1][0]),
                     int(construction_points[-1][1])),
                    cv2.FONT_HERSHEY_COMPLEX, 0.5, (255, 255, 255))
        cv2.imshow('self', img)
        return face_position, rotation

    if __name__ == '__main__':
        CAP = cv2.VideoCapture(0+ cv2.CAP_DSHOW) #
        # 原点特征组 my front side
        ORIGIN_FEATURE_GROUP = [-0.00899233, 0.39529446]
        FEATURE_GROUP = [0, 0]

        while True:
            RETVAL, IMAGE = CAP.read()
            # 翻转视频
            IMAGE = cv2.flip(IMAGE, 1)
            face_position,NEW_FEATURE_GROUP = extract_img_features(IMAGE) #
            if NEW_FEATURE_GROUP is not None:
                FEATURE_GROUP = NEW_FEATURE_GROUP - ORIGIN_FEATURE_GROUP
            HORI_ROTATION, VERT_ROTATION = FEATURE_GROUP

            res = face_data()  # 实例化一条记录
            res.face = face_position
            res.new1 = NEW_FEATURE_GROUP[0]
            res.new2 = NEW_FEATURE_GROUP[1]
            db.session.add(res)  # 逻辑添加
            db.session.commit()  # 添加记录

            if cv2.waitKey(1) & 0xFF == ord('q'):
                print("close")
                break

    return "数据存储成功！"
6） show页

构建Flask页面中数据显示show页

@app.route('/show')
def show_data():
    db = pymysql.connect(host='localhost', user='root', password='123456', database='7', charset='utf8')
    cursor = db.cursor()
    cursor.execute("Select new1,new2 from face_data")
    rs = cursor.fetchall()
    rs = list(rs)
    print(rs[0:10])

    return render_template("show_data.html", rs=rs)
7） 数据库连接类
class Mysql(object):
    def __init__(self):
        try:
            self.conn = pymysql.connect(host='localhost', user='root', password='123456', database='7',charset='utf8')
            self.cursor = self.conn.cursor()  # 用来获得python执行Mysql命令的方法（游标操作）
            print("成功")
        except:
            print("失败")

    def getItems(self):
        sql = "select id,new1,new2 from face_data"  # 获取food数据表的内容
        self.cursor.execute(sql)
        items = self.cursor.fetchall()  # 接收全部的返回结果行
        return items
8） line页

构建Flask页面中的line页，用于显示数据的可视化结果。

@app.route('/line')
def line():
    db = Mysql()
    items = db.getItems()
    return render_template('virtual_echart.html', items=items)
9） face页

构建Flask页面中的face页，用于显示原始人脸视频结果。

def get_frames1():
    CAP = cv2.VideoCapture(0)
    ORIGIN_FEATURE_GROUP = [-0.00899233, 0.39529446]
    FEATURE_GROUP = [0, 0]
    while True:
        RETVAL, IMAGE = CAP.read()
        if not RETVAL:
            break
        IMAGE = cv2.flip(IMAGE, 1)
        NEW_FEATURE_GROUP = extract_img_features(IMAGE)
        if NEW_FEATURE_GROUP is not None:
            FEATURE_GROUP = NEW_FEATURE_GROUP - ORIGIN_FEATURE_GROUP
        HORI_ROTATION, VERT_ROTATION = FEATURE_GROUP
        frame=cv2.imencode('.jpg',IMAGE)[1].tobytes()
        yield  (b'--frame\r\n'
                b'Content-Type: image/jpeg\r\n\r\n' + frame + b'\r\n')

@app.route('/face')
def face():
    return render_template("index.html")

@app.route('/face1')
def face1():
    return Response(get_frames1(),mimetype='multipart/x-mixed-replace; boundary=frame')
10） 加载人脸模型数据
DETECTOR = dlib.get_frontal_face_detector()
PREDICTOR = dlib.shape_predictor(
    './static/shape_predictor_68_face_landmarks.dat')
11） line页

构建Flask页面中的line页，用于显示数据的可视化结果。

@app.route('/line')
def line():
    db = Mysql()
    items = db.getItems()
    return render_template('virtual_echart.html', items=items)
12） 提取人脸特征子函数
def face_positioning(img):
    dets = DETECTOR(img, 0)
    if not dets:
        return None
    return max(dets, key=lambda det: (det.right() - det.left()) * (det.bottom() - det.top()))


def extract_key_points(img, position):
    landmark_shape = PREDICTOR(img, position)
    key_points = []
    for i in range(68):
        pos = landmark_shape.part(i)
        key_points.append(np.array([pos.x, pos.y], dtype=np.float32))
    return key_points


def generate_points(key_points):
    def center(array):
        return sum([key_points[i] for i in array]) / len(array)

    left_brow = [18, 19, 20, 21]
    right_brow = [22, 23, 24, 25]
    # 下巴
    chin = [6, 7, 8, 9, 10]
    nose = [29, 30]
    return center(left_brow + right_brow), center(chin), center(nose)


def generate_features(contruction_points):
    brow_center, chin_center, nose_center = contruction_points
    mid_edge = brow_center - chin_center
    bevel_edge = brow_center - nose_center
    mid_edge_length = np.linalg.norm(mid_edge)
    horizontal_rotation = np.cross(
        mid_edge, bevel_edge) / mid_edge_length ** 2
    vertical_rotation = mid_edge @ bevel_edge / mid_edge_length ** 2
    return np.array([horizontal_rotation, vertical_rotation])


def draw_image(h_rotation, v_rotation):
    img = np.ones([512, 512], dtype=np.float32)
    face_length = 200
    center = 256, 256
    left_eye = int(220 - h_rotation *
                   face_length), int(249 + v_rotation * face_length)
    right_eye = int(292 - h_rotation *
                    face_length), int(249 + v_rotation * face_length)
    month = int(256 - h_rotation * face_length /
                2), int(310 + v_rotation * face_length / 2)
    cv2.circle(img, center, 100, 0, 1)
    cv2.circle(img, left_eye, 15, 0, 1)
    cv2.circle(img, right_eye, 15, 0, 1)
    cv2.circle(img, month, 5, 0, 1)
    return img


def extract_img_features(img):
    face_position = face_positioning(img)
    print("图片中最大人脸的范围为：", face_position)
    if not face_position:
        cv2.imshow('self', img)
        cv2.waitKey(1)
        return None
    key_points = extract_key_points(img, face_position)
    print("68个关键点的位置为：", key_points)
    for i, (p_x, p_y) in enumerate(key_points):
        cv2.putText(img, str(i), (int(p_x), int(p_y)),
                    cv2.FONT_HERSHEY_COMPLEX, 0.25, (255, 255, 255))
    construction_points = generate_points(key_points)
    print("生成的构造点的位置为：", construction_points)
    for i, (p_x, p_y) in enumerate(construction_points):
        cv2.putText(img, str(i), (int(p_x), int(p_y)),
                    cv2.FONT_HERSHEY_COMPLEX, 0.25, (255, 255, 255))
    rotation = generate_features(construction_points)
    print("水平旋转量和垂直旋转量为：", rotation)
    cv2.putText(img, str(rotation),
                (int(construction_points[-1][0]),
                 int(construction_points[-1][1])),
                cv2.FONT_HERSHEY_COMPLEX, 0.5, (255, 255, 255))
    cv2.imshow('self', img)
    return rotation
13） 主函数
if __name__ == '__main__':
    app.run(debug=True)

2. html代码

1） home.html
<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>人脸关键数据数据提取</title>
</head>
<body>
    <h1 align = "center" style = "font-family: 宋体"> 人脸关键数据数据提取 </h1>

    <p><a href = "{{ url_for('save_data') }}" rel = "external nofollow"
       style = "top: 200px; text-decoration:none; font-size: 15px; color:black;font-family: 宋体"> 打开摄像头提取人脸数据 </a></p>

    <p><a href = "{{ url_for('face1') }}" rel = "external nofollow"
       style = "top: 200px; text-decoration:none; font-size: 15px; color:black;font-family: 宋体"> 将视频传入网页 </a></p>

    <p><a href = "{{ url_for('show_data') }}" rel = "external nofollow"
       style = "top: 200px;left:80px; text-decoration: none; font-size: 15px; color:black;font-family: 宋体"> 人脸关键数据 </a></p>

    <p><a href = "{{ url_for('line') }}" rel = "external nofollow"
    style = "top: 200px; left:200px;text-decoration: none; font-size: 15px; color:black; font-family: 宋体"> 折线图 </a></p>
</body>
</html>
2） index.html
<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>camera</title>
    <style>
        .con{
           float:left;
           height:600px;width:600px;
           margin-right:10px;
        }
    </style>
</head>
<body>
<h3>接受传输来的视频</h3>
<div class="con">
    < img src="{{url_for('face1')}}" alt="" width="100%">
</div>

</body>
</html>
3） show_data.html
<!DOCTYPE html>
<html lang="en">
    <head>
        <meta charset="UTF-8">
        <title>人脸关键数据</title>
    </head>

    <body>
        <h1>水平旋转量 垂直旋转量</h1>
        {% for r in rs %}
        {{r}}<br>
        {% endfor %}
    </body>
</html>
4） virtual_echart.html
<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>折线图</title>
    <script src="/static/js/echarts.min.js"></script>
    <style>
        #main{
            width: 1200px;
            height: 400px;
            position:relative;
            left:0px;
            top:80px;
        }
    </style>
</head>

<body>
<h1 align="center" style="font-family:宋体;font-size: 36px">折线图</h1>
<div id="main" ></div>
    <script type="text/javascript">
            // 基于准备好的dom，初始化 echarts 实例并绘制图表。
            var myChart=echarts.init(document.getElementById('main'));
            // 指定图表的配置项和数据
            var option = {
                title: {
                    text: ''
                },
               legend:{
                data:['horizontal','vertical']
              },
                dataZoom: [{
                          type: 'slider',
                          show: true, //flase直接隐藏图形
                          xAxisIndex: [0],
                          left: '9%', //滚动条靠左侧的百分比
                          bottom: -5,
                          start: 1,//滚动条的起始位置
                          end: 40//滚动条的截止位置（按比例分割你的柱状图x轴长度）
                      }],
                xAxis: {
                    name:"data-id",
                    type: 'category',
                    data:[
                    		{% for item in items %}
                            	"{{ item[0]}}",
                        	{% endfor %}
                       ]},
                yAxis: {
                    name:"data-rotate",
                    type: 'value',
                    axisLabel : {
                    formatter: '{value} '}
                },
                series: [
                        {
                            name:'horizontal',
                            type: 'line',	//line折线图。bar柱形图
                            data:[{% for item in items %}
                            		"{{ item[1]}}",
                        			{% endfor %}],
                            itemStyle:{normal: {color:"	#ADFF2F"}}
                        },
                {
                             name:'vertical',
                            type: 'line',	//line折线图。bar柱形图
                            data:[{% for item in items %}
                            		"{{ item[2]}}",
                        			{% endfor %}],
                            itemStyle:{normal: {color:"	#FFFF00"}}
                        },


                    ]
                };
            myChart.setOption(option);// 基于准备好的dom，初始化 echarts 实例并绘制图表。
     </script>
</body>
</html>

总结

将头部特征视频显示到网页上，又将头部姿态数据实时存储到数据库里，在网页打印出相应数据， 使用echarts绘制折线图。
在查阅资料并解决遇到的问题后，目前任务已全部完成，由于结果视频演示中有真人的脸就不在博客中展示了，视频演示已发在课程群里中。

Here_the_Sea
关注
Flask+人脸识别—将人脸识别的结果呈现在网页中
ke9700w1011的博客
05-23 2541
前言 1.编写目的 一方面是分享思路（一窍不通的时候曾经深受其苦）另一方面是记录一下，方便自己以后查（感谢提供资料的师哥师姐们和老师） 2.实验环境 操作系统：Win10IDE：PyCharm 2021.3 (Community Edition)Python：3.8 3.实现内容 python实现 基于facenet_pytorch的⼈脸识别，对两张图片提取人脸特征向量并进行对比，判断是否是同一人；将该功能融入flask框架，使得可以通过网页手动选择导入图片并进行对比，展示对比结果。 原理： fa.
人脸检测 姿势估计 轮廓标识的matlab代码(完整版)
02-06
人脸检测 姿势估计 轮廓标识的matlab代码。这个是完整版。支持模型训练
stm32和qt实现实时姿态检测代码_PFLD：一个实用的人脸关键点检测器
weixin_39518678的博客
12-07 352
人脸关键点检测是一个非常核心的算法业务，其在许多场景中都有应用。比如我们常用的换脸、换妆、人脸识别等2C APP中的功能，都需要先进行人脸关键点的检测，然后再进行其他的算法业务处理；在一些2B的业务场景中，如疲劳驾驶中对人脸姿态的估计，也可以先进行人脸关键点的检测，然后再通过2D->3D的估计，最后算出人脸相对相机的姿态角。本文介绍的这个人脸检测算法PFLD，全文名称为《PFLD: A Pr...
人脸姿态识别
u012361418的博客
06-10 4014
人脸姿态识别
人脸姿态检测：RPY角与Z-Y-X欧拉角
邦戈邦戈栗子的博客
11-21 6098
描述坐标系{B}相对于参考坐标系{A}的姿态有两种方式。第一种是绕固定（参考）坐标轴旋转：假设开始两个坐标系重合，先将{B}绕{A}的X轴旋转γγ，然后绕{A}的Y轴旋转ββ，最后绕{A}的Z轴旋转αα，就能旋转到当前姿态。可以称其为X-Y-Z fixed angles或RPY角(Roll, Pitch, Yaw)。 　　Roll:横滚 　　Pitch: 俯仰 Yaw: 偏航（航向）...
人脸识别5.2- insightface人脸3d关键点检测，人脸68个特征点、106个特征点；人脸姿态角Pitch、Yaw、Roll、
qq_15821487的博客
08-23 1万+
姿态角分为Pitch、Yaw、Roll，用于表示人脸在空间三维坐标系内的角度，常用于判断识别角度的界限值。各角度阈值如下：Pitch：三维旋转之俯仰角度，范围：[-90（上）, 90（下）]，推荐俯仰角绝对值不大于20度；Yaw：三维旋转之左右旋转角，范围：[-90（左）, 90（右）]，推荐旋转角绝对值不大于20度；Roll：平面内旋转角，范围：[-180（逆时针）, 180（顺时针）]，推荐旋转角绝对值不大于20度；
vue+flask+redis+session+mysql+人脸识别.zip
01-05
整个小说网站采用vue-cli脚手架搭件，前后端分离flask+vue，在登录的时候可以采用人脸登录和密码登录，session存储在redis数据库中，mysql存储用户书架以及账号密码相关信息和所有书籍信息
Python+Flask+MySQL实现的学生培养计划管理系统源码.zip
11-14
Python+Flask+MySQL实现的学生培养计划管理系统【源码】Python+Flask+MySQL实现的学生培养计划管理系统【源码】Python+Flask+MySQL实现的学生培养计划管理系统【源码】Python+Flask+MySQL实现的学生培养计划管理系统...
python + flask + LayUI + mysql 网站模板.zip
05-14
python + flask + LayUI + mysql 网站模板 python + flask + LayUI + mysql 网站模板 python + flask + LayUI + mysql 网站模板 python + flask + LayUI + mysql 网站模板 ...
基于Flask+vue 设计出来的环境管理系统源码.zip
06-08
《构建Flask+Vue环境管理系统详解》 在现代Web开发中，Python的Flask框架与JavaScript的Vue.js库结合，可以构建出高效、灵活且易于维护的环境管理系统。本项目"基于Flask+vue 设计出来的环境管理系统源码.zip"正是...
快速的人脸轮廓检测及姿态估计算法
02-15
提出一种基于人脸特征区域划分的人脸轮廓检测方法和快速人脸姿态估计方法.该方法根据特征点在人脸的分布情况将人脸划分为9个区域.对于每个选定的区域,首先检测出其初始轮廓线,然后用三次多项式对其进行曲线拟合处理,最后把不同区域的轮廓线连接起来得到完整的人脸轮廓.此外,为了快速、准确地估计出人脸的姿态,本文从人脸的对称性出发,提出了进行人脸姿态估计的面积模型和近似平面模型.实验表明,本文所提出的轮廓检测方法对于复杂背景中具有不同姿态的人脸图像可以得到较满意的检测结果.和其它检测方法相比.本文方法具有模型简单、计算速度快等优点.
三种人脸检测方法（opencv,dlib,openpose)的戴口罩识别效果测试
01-20
最近尝试做一个人脸检测控制机器人来测体温，记录一下过程： 1、首先使用了opencv-ython试了一下人脸检测,参考https://blog.csdn.net/qq_32892383/article/details/90732916 先跑了一下固定图片的，效果堪忧啊 代码： # -*- coding: utf-8 -*- import c2 import lgging # 设置日志 logging.basicConfig(level = logging.INFO, format='%(asctime)s - %(levelname)s: %(message)s') logger = lo
flask-realtime-face-detection-opencv-python:使用python和opencv进行实时人脸检测，基于网络摄像头
05-23
flask-real-time-face-detection-opencv-python 使用python和opencv进行实时人脸检测，应该启用网络摄像头才能使其正常工作。 ＃如何使用它 1.安装它具有的所有依赖项：opencv 2.x版本：python 2.7：flask 2.现在通过执行create_data.py文件来训练算法 3，训练完数据后，可以执行face_recognise.py使其运行 4，要在基于Web的界面上使用它，请运行python app.py并打开您的本地主机 #note：您可以跳过heroku部分，只需要烧瓶和python脚本即可。
Python-FacePoseNet实现3D人脸姿态估计合成
08-11
Face-Pose-Net实现3D人脸姿态估计(合成)
【人脸姿态】2D人脸姿态估计的两种方式：solvePnP与3DMM参数
AI知识搬运工
03-06 6855
人脸姿态估计
基于 PCA 的人脸识别系统及人脸姿态分析
weixin_53598445的博客
06-19 2786
  在解决实际问题的时候，多变量问题是经常会遇到的，变量太多，无疑会增加分析问题的难度与复杂性。同时，在许多实际问题中，多个变量之间是具有一定的相关关系的。因此，能否在各个变量之间相关关系研究的基础上， 用较少的新变量代替原来较多的变量，而且使这些较少的新变量尽可能多地保留原来较多的变量所反映的信息？事实上，这种想法是可以实现的。  PCA(Principal Components Analysis,，主成分分析)是将原来多个变量化为少数几个综合指标的一种统计分析方法，从数学角度来看，这是一种降维处理技术。
使用opencv和dlib进行人脸姿态估计(python)
热门推荐
yuanlulu的博客
09-18 2万+
概述 在计算机视觉中，物体的姿态是指相对于相机的相对取向和位置。 本文主要参考了《Head Pose Estimation using OpenCV and Dlib》这篇文章。 进行人脸姿态估计的目的就是获取人脸相对相机的朝向： 人脸姿态估计的思想：旋转三维标准模型一定角度，直到模型上“三维特征点”的“2维投影”，与待测试图像上的特征点（图像上的特征点显然是2维）尽量重合。 代码 从笔记本摄...
赠书 | Python人脸五官姿态检测
AI科技大本营
10-15 1717
作者| 李秋键 出品 |AI科技大本营近几个月来由于疫情的影响使得网络授课得到了快速的发展，人工智能作为最有潜力的发展行业，同样可以应用于网络授课的监督。比如通过检测人脸姿态，眼睛是...
Flask+人脸位姿检测—媒体大数据实验
ke9700w1011的博客
05-27 725
文章目录前言1.编写目的2.实验环境3.实现内容4.实现过程一、准备操作二、项目结构三、完整代码四、实现效果 前言 1.编写目的 一方面是分享思路（啥都搜不到真的好痛苦）另一方面是记录一下，方便自己以后查（感谢提供资料的师哥师姐们和老师） 2.实验环境 操作系统：Win10IDE：PyCharm 2021.3 (Community Edition)Python：3.8 3.实现内容 捕捉面部关键点并实时视频展示，同时计算头部旋转角度并将数据存入mysql数据库；通过flask驱动上述python程序
flask+opencv 人脸签到
最新发布
12-16
Flask和OpenCV可以很好地结合起来进行人脸签到系统的开发。Flask是一个轻量级的Python Web框架，它可以用来搭建Web应用程序。而OpenCV是一个开源的计算机视觉库，可以对图像和视频进行处理，包括人脸识别和人脸检测...
评论 1
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