cumtchw

目录1.人脸检测2 人脸对齐3 人脸识别3.1 特征提取3.2 人脸比对要想做人脸识别，首先需要检测出人脸子图和关键点，然后根据关键点对人脸进行对齐，然后对对齐后的人脸提取人脸特征并特征值比对，下面简单介绍下三个过程中的原理。1.人脸检测人脸检测就没什么说的了，就是检测出图像中的人脸和关键点，比如我们用yolov5-face做检测得到如下图片，也可以使用 blazeface得到如下结果当然也可以使用其他方法，但是这些方法的目的都是得到人脸子图和关键点。2

目录1 下载工程2 编译2.1 首先将CMakeLists.txt修改为如下的形式2.2 添加opencv库文件和头文件2.3 编写build.sh3 运行工程源自：https://github.com/zxcv1884/rv1126_rknn_blazeface1 下载工程首先下载工程：https://github.com/zxcv1884/rv1126_rknn_blazeface2 编译直接用github上工程自带的东西是编译不通过的，需要做如下修改2.

在某项目中，需要在前端相机中做人脸比对，因此需要在前端相机中增加一个人脸底库，人脸底库由uuid和人脸特征值组成。其中特征值为512个float数据，移植sqlite用来保存底库信息，首先写了一个demo，验证可行性之后应用到实际项目中 sqlite3 * db= NULL; int rc = 0; char * sql = new char[800];//这个...

利用facenet-pytorch实现人脸检测，并提取人脸特征求余弦相似度，代码如下from facenet_pytorch import MTCNN, InceptionResnetV1from sklearn.metrics.pairwise import cosine_similarityfrom PIL import Imageimport numpy as np# If required, create a face detection pipeline using MTCNN:

目录1.模型下载2 转成rknn模型并推理3 查看网络模型1.模型下载首先下载MobileFaceNet的模型，github下载地址为：https://github.com/sirius-ai/MobileFaceNet_TF/tree/master/arch/pretrained_model/2 转成rknn模型并推理import numpy as npimport cv2from rknn.api import RKNNif __name__ == '__..

1.模型下载首先需要下载facenet的模型，github下载网址为：https://github.com/davidsandberg/facenetPre-trained modelsModel name LFW accuracy Training dataset Architecture 20180408-102900 0.9905 CASIA-WebFace Inception ResNet v1 20180402-114759 0.996

此文源于在opencv学堂上看到的一篇文章，自己尝试了下，首先安装opencv4，在OpenCV的\sources\samples\dnn\face_detector目录下，有一个download_weights.py脚本文件，首先运行一下，下载模型文件。下载的模型文件分别为：Caffe模型res10_300x300_ssd_iter_140000_fp16.caffemod...

1 下载原始图片首先去官网：Visual Geometry Group - University of Oxford下载vgg_face_dataset.tar.gz,并解压然后利用下面脚本进行下载，每个人的图片单独放在一个文件夹中，图片名字命名为num_x1_y1_x2_y2.jpg#!/usr/bin/python3#-*- coding: utf-8 -*-import sysimport osimport threadingimport socketimport url

人脸识别一般需要经过人脸检测，人脸对齐，特征提取及相似度比对，具体原理可以见：人脸检测-人脸对齐-人脸识别原理及方法_陈 洪 伟的博客-CSDN博客该篇文章主要对人脸对齐进行补充，1 人脸检测我们用ldh的图片进行检测，得到人脸框和5个关键点。检测得到的矩形框和关键点如下：orgimg.shape: (640, 640, 3)x1:243.000000,y1:140.000000,x2:447.000000,y2:394.000000point_0_x:307.000..

1.搭建insightface环境为了避免和服务器中的其他python版本冲突，这里使用conda创建环境，安装insightface的过程中会安装相关依赖，等待系统安装完成即可。conda create -n insightface_chw python=3.6conda activate insightface_chwpip install -U insightface2.下载insightface工程git clone https://github.com/deepinsigh

import osimport urllibimport tracebackimport timeimport sysimport numpy as npimport cv2from rknn.api import RKNNONNX_MODEL = 'yolov5s.onnx'RKNN_MODEL = 'yolov5s.rknn'IMG_PATH = './bus.jpg'DATASET = './dataset.txt'QUANTIZE_ON = TrueBOX_THR.