java人脸对比开源_重磅！最快人脸检测开源库对比：ZQCNN-MTCNN vs libfacedetection

最新推荐文章于 2024-03-28 18:33:31 发布
最新推荐文章于 2024-03-28 18:33:31 发布
阅读量810 收藏
点赞数
文章标签： java人脸对比开源
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/weixin_30672649/article/details/114235361
版权

前言

CVer 前段时间分享了一个很棒的开源人脸检测库：libfacedetection，详见：重磅！最快人脸检测库开源

2019年3月25日，Amusi 在github上发现 follow很久的左庆大佬刚push了一个项目：

ZQCNN-MTCNN-vs-libfacedetection。点进去一看，原来是全面对比了 ZQCNN-MTCNN 与 libfacedetection。

于是 Amusi 第一时间联系了左庆大佬，得到他本人的授权，下面实验对比数据来自 ZQCNN-MTCNN-vs-libfacedetection：

链接：

libfacedetection开源项目之前已经介绍过，这里再简单介绍一下 ZQCNN开源项目：

一款比mini-caffe更快的Forward库，包含快速人脸检测模型(基于MTCNN)，106点landmark，人头检测模型等

ZQCNN-MTCNN-vs-libfacedetection

ZQCNN:下载时间2019-03-25 09:00

依赖库:

windows：mkl, opencv3.4.2

arm-linux: openblas, opencv3.4.2

libfacedetection:下载时间2019-03-25 09:00

(一) WINDOWS下对比 (测试机器为E5-1650V4 3.6GHz)

ZQCNN用.sln打开

libfacedetection用cmake-gui配置，勾选avx2和DEMO，不勾选int8和neon，配置之后用vs打开，注意在facedetection、facedetection_shared、fdt_demo三个项目的项目属性->C++->代码生成里开启AVX2和快速浮点。

(1)对比keliamoniz1.jpg

d611c2aac922a9978b938d5f629fe62a.png

9cf051bab922e58bd2819c054de0c1dc.png

(2)对比4.jpg

7344147cb9277c8fb22765b7362ceee9.png

99638f0460797b03196ba21fc993fe17.png

(3)对比其他图片

5066a160d6f6046ec7148dd1df7aafee.png

(二) ARM-LINUX下对比 (测试机器为firefly rk3399)

ZQCNN: 先编译OpenBLAS, OpenCV3.4.2, 然后编译ZQCNN, 使用命令cmake .. -DSIMD_ARCH_TYPE=arm64 -DBLAS_TYPE=openblas_zq_gemm 具体参见ZQCNN项目的README

libfacedetection: 命令cmake .. -DENABLE_NEON=ON -DCMAKE_BUILD_TYPE=RELEASE

(1)对比keliamoniz1.jpg

4794a5ad9b8869599b76391915bee69d.png

(2)对比4.jpg

0647447466c7ae2a5bada5e3a4de45dc.png

(3)对比其他图片

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=)atermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

2415e16835bc382c3f393490ad5f1823.png

侃侃

ZQCNN-MTCNN 和 libfacedetection 都是特别好的人脸开源库，检测速度都很快，在此感谢左庆和于仕琪老师的开源精神

两个项目链接如下，欢迎 star支持：

纯青火
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于开源OPENCV人脸识别（java版）
08-01
基于开源OPENCV3.1做人脸识别，该程序是一个简单的demo版本，可以实现如下功能：1.识别人脸和人眼；2.调用摄像头录制avi；3.可以对图片进行高斯处理。
java离线人脸对比Java人脸识别
qq_18716061的博客
10-18 1782
政务系统人证核验、人脸识别 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。 新的改变 我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客： 全新的界面...
Java AI 实现人工智能- 我在Github上发现的-基于Java的计算机视觉 Java实现人脸识别（开源代码-（人脸识别-自动驾驶-汽车追踪-手写数字识别器））带你导入代码并测试使用
最新发布
2401_83641533的博客
03-28 999
• Maven 3.x• InteliJ 或 Eclipse• Windows 10• 良好的硬件（RAM 8GB，CPU 核心 i7）本课程已在以下系统配置上进行了测试：● 操作系统：Windows 10● 处理器：Intel Core i7● JAVA 8● 内存：8-12-16GB● 硬盘空间：100GB● 显卡：简单三、导入代码下载地址：https://github.com/PacktPublishing/Java-Machine-Learning-for-Computer-Vision解压后打开即
opencv 人脸识别与人脸对比
09-07
基于opencv开源库 摄像头人脸匹配 并与人脸库对比识别
Face++人脸识别源码
06-02
Face++是一家专注于人脸识别技术的公司，其核心技术基于深度学习，拥有领先的准确率和速度。该公司提供多种产品和服务，包括人脸识别SDK、API、比对服务、检测服务和活体检测服务等，广泛应用于金融、公安、零售、物流等领域。 Face++的开放API接口是免费提供的，这使得开发者可以以极小的成本借用该接口来完成项目的功能需求设计。通过使用Face++的API接口，开发者可以快速地实现人脸识别功能，如人脸检测、人脸比对、活体检测等。同时，Face++还提供了丰富的文档和示例代码，方便开发者快速上手并进行二次开发。 除了提供开放API接口外，Face++还拥有强大的技术支持团队，可以为开发者提供专业的技术支持和咨询服务。这使得开发者可以更加专注于业务逻辑的实现，而无需花费大量时间和精力在技术细节上。 总之，Face++的人脸识别技术和开放API接口为各行各业的项目开发提供了便利和支持，同时也推动了人脸识别技术的发展和应用。 本源码对于face++的api接口进行封装，并且对于一些工具进行封装，本源码不仅是实现功能的一个最佳实践，也可以用作日常学习，自我水平提升，用心制作，希望大家受益！
java人脸识别源码
01-21
代码导入后直接可用，附带测试图片及视频。你也可以用自己的脸来识别。 这软件不仅可以识别摄像头中的人脸，还可以识别图片，视频文件中的人脸。 应用到特征脸的识别技术。
人脸识别图片比较开源工具
02-24
在业务中，经常会用到，两次进行拍照，通过比较两个相片，看是不是同一个人，所以这里就用到人脸识别比较， 本例子中，我们用到的开源库为虹软公司的，官网地址为：https://www.arcsoft.com.cn/ 在使用此例子前，需要到上面的官网申请appId和sdkKey
Java使用opencv实现人脸识别、人脸比对
xiaomu_a的博客
10-12 8855
OpenCV是一个开源的计算机视觉库，它提供了一系列丰富的图像处理和计算机视觉算法，包括图像读取、显示、滤波、特征检测、目标跟踪等功能。opencv官网：https://opencv.org/
教你使用开源opencv实现人脸检测
babyai996的博客
02-06 2634
反之，如果分类精度90%以上，则是强分类器，弱分类器在adaptive boosting（Adaboost）的作用仅仅是提供了一个训练方向（就是看弱训练在那个特征（或者叫方向）上面的误差最大），然后在这个方向上面增强训练权值，即所谓强训练。是一个功能强大的开源库，在人工智能图像识别领域有着重要的地位，因此掌握其原理十分必要，本次实验不仅学习到了OpenCv的基本知识还探究了OpenCv分类器的训练和使用，有了这个基础我们就可以收集不同的训练集进行不同方面的分类器训练，从而实现自己的需求。
JavaCV 实现图片中人脸检测完整代码教程
洛阳泰山的博客
11-08 4147
今天微信群里聊天，群友问道有没有能让人脸露牙齿的接口，我记得想百度阿里的都应该有类似人脸识别，分析、融合的api,但是我百度了一下，确实没有找到，可能他们提供的都是最基础的接口，如果想实现自己的想要的某种效果，比如人脸微笑，露牙等，还需要自己开发。想这样让一张没有露牙的图片，变成露牙的照片，第一步肯能是先要再图片上检测到人脸，其次是嘴巴，然后再用算法合成到图像嘴边的位置。
6款人脸识别开源软件的简单使用
十十办文武的博客
09-19 9577
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。人脸识别是机器学习热门领域之一，在 github 上有很多项目实现了各种人脸识别功能，以下面6个测试软件使用。
Java调用百度人脸对比接口进行人脸(图片)对比
01-20
前三步和人脸检测代码一样 在我上一篇博客地址链接:https://blog.csdn.net/weixin_45736927/article/details/104696428 第四步 Token和工具类准备完毕,写人脸对比代码 2张对比图片 FaceMatch类 import java.util.ArrayList; import java.util.HashMap; import java.util.List; import java.util.Map; public class FaceMatch{ /** * 重要提示代码中所需工具类 * FileUtil,Ba
人脸相似度对比
09-09
人脸对比，两张本地图片的对比，返回两张图片中人脸的相似度
mtcnn_opencv实现mtcnn_人脸检测MTCNN_equaljck_mtcnn_
10-02
MTCNN实现人脸实时检测，c++实现编译动态库方式调用
mtcnn-caffe-master.zip_MTCNN人脸检测_mtcnn_neural_net_r人脸_神经网络结构
09-19
MTCNN，Multi-task convolutional neural network（多任务卷积神经网络），将人脸区域检测与人脸关键点检测放在了一起，它的主题框架类似于cascade。总体可分为P-Net、R-Net、和O-Net三层网络结构。
mtcnn_face.zip_MTCNN人脸检测_face_face recognition_mtcnn_人脸
07-15
人脸检测 级联人脸检测算法 ，可以快速实现人脸检测，非常值得借鉴和学习
libfacedetection-master_人脸检测_libfacedetection_
10-01
于老师的人脸检测代码，接口简单，无第三方库依赖。分享一下。
cv.rar_javacv 人脸比对_opencv人脸对比_wooden8co_人脸对比_人脸识别
07-14
你用openCV自实现人脸识别、比对等功能
java人脸识别快速搭建_基于Facecognition+Opencv快速搭建人脸识别及跟踪应用
weixin_42290401的博客
02-27 502
基于作为一个图像处理的爱好者，怎能放过人脸识别这一环呢！调研开搞，发现了超实用的Facecognition人脸识别原理大体可分为：1、通过hog算子定位人脸，也可以用cnn模型，但本文没试过；2、Dlib有专门的函数和模型，实现人脸68个特征点的定位。通过图像的几何变换(仿射、旋转、缩放)，使各个特征点对齐(将眼睛、嘴等部位移到相同位置)；3、训练一个神经网络，将输入的脸部图像生成为128维的预测...
mtcnn人脸检测python_MTCNN人脸检测和算法
06-09
MTCNN是一种基于深度学习的人脸检测算法，其全称为Multi-task Cascaded Convolutional Networks。它可以同时完成人脸检测、关键点定位和人脸对齐等任务，是目前比较流行的人脸检测算法之一。 MTCNN算法的核心是级联的卷积神经网络，包括P-Net、R-Net和O-Net三个部分。其中P-Net用于快速筛选候选框，R-Net则进一步精细筛选，O-Net则用于最终的人脸检测和关键点定位。 在Python中，可以使用MTCNN库来实现人脸检测和人脸对齐。使用MTCNN库时，需要将待检测的图片转换为numpy数组，并通过调用MTCNN类的detect_faces()方法来进行人脸检测。该方法返回一个列表，每个元素代表一张人脸的位置和关键点信息。 下面是一个使用MTCNN库进行人脸检测的示例代码： ``` from mtcnn import MTCNN import cv2 # 加载MTCNN模型 detector = MTCNN() # 读取图片 img = cv2.imread('test.jpg') # 转换为RGB格式 img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 进行人脸检测 results = detector.detect_faces(img) # 输出检测结果 for result in results: print(result['box']) # 人脸位置信息 print(result['keypoints']) # 关键点信息 ``` 需要注意的是，MTCNN算法是一种基于深度学习的算法，需要在训练集上进行训练，因此在使用MTCNN算法之前需要先下载预训练模型。MTCNN库提供了一个download_models()方法，可以方便地下载预训练模型。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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