java seetaface6 人脸跟踪实战，视频流人脸识别优化实战

最新推荐文章于 2024-05-12 06:09:51 发布
最新推荐文章于 2024-05-12 06:09:51 发布
阅读量2.2k 收藏 7
点赞数 1
分类专栏： seetaface6 JNI 文章标签： java opencv 计算机视觉
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_38378957/article/details/129655027
版权

项目地址

seetaface6SDK地址

前期准备

以下代码可根据自己的实际环境需求进行修改，欢迎大家加群讨论（群地址在gitee上面，请不要忘记点star）。
  1. 下载项目
  2. 下载seetaface6 模型文件: 模型文件1 （code：ngne），模型文件2 （code: t6j0）
  3. 配置模型文件到项目中，运行Test，当作初步了解seetaface6
  4. 将seeta-sdk-platform 打包成 jar，引入到自己项目中。
    上传到本地maven仓库：
	mvn install:install-file -DgroupId=com.seeta.sdk -DartifactId=seeta-sdk-platform -Dversion=1.23 -Dpackaging=jar -Dfile=D:\face\seeta-sdk-platform\seeta-sdk-platform\target\seeta-sdk-platform-1.23.jar

##目的

获得每个人脸在一段时间内出现的最清晰的图片。

人脸跟踪介绍

  1. 普通的照片人脸识别器在视频流的情况下去识别每一帧图片效率底下，而且分辨不出多帧下同一个人。
  2. 人脸跟踪是指在图像序列中确定各帧间人脸的对应关系的过程，即确定每个人脸的运动轨迹及其大小变化的过程。（不同帧同一个人返回的PID一样）

人脸质量介绍

  1. 跟踪的每一个人都有PID，不同帧同一个人返回的PID一样；
  2. 人脸质量检测的目的是区分同一个PID后，再区分照片质量高低，方便将高质量照片最终存库或最终去对比其他库做准备。
  3. 最终目的是减少人脸去底库对比的次数

人脸跟踪代码

 
import com.seeta.pool.SeetaConfSetting;
import com.seeta.proxy.FaceLandmarkerProxy;
import com.seeta.proxy.QualityOfLBNProxy;
import com.seeta.proxy.QualityOfPoseExProxy;
import com.seeta.sdk.*;
import com.seeta.sdk.util.LoadNativeCore;
import me.calvin.example.utils.OpenCVImageUtil;
import org.bytedeco.javacv.CanvasFrame;
import org.bytedeco.javacv.Frame;
import org.bytedeco.javacv.OpenCVFrameConverter;
import org.bytedeco.javacv.OpenCVFrameGrabber;
import org.bytedeco.opencv.global.opencv_imgcodecs;
import org.bytedeco.opencv.opencv_core.Mat;
import org.bytedeco.opencv.opencv_core.Point;
import org.bytedeco.opencv.opencv_core.Rect;
import org.bytedeco.opencv.opencv_core.Scalar;

import javax.swing.*;
import java.io.IOException;
import java.util.Collections;
import java.util.HashMap;
import java.util.Map;
import java.util.Objects;

import static org.bytedeco.opencv.global.opencv_imgproc.*;

/**
 * 本地摄像头人脸检测
 *
 * @author Calvin
 */
public class Seetaface6Example {


    //模型路径
    public static String CSTA_PATH = "D:\\face\\models";

    /**
     * 输出图片路径
     */
    public static String BASE_OUTPUT_PATH = "F:\\0workSpace\\AIAS\\4_video_sdks\\camera_face_sdk\\output\\";

    /**
     * 人脸识别器模型
     */
    public static String[] detector_cstas = {CSTA_PATH + "/face_detector.csta"};

    /**
     * 68点人脸关键点模型
     */
    public static String[] landmarker68_cstas = {CSTA_PATH + "/face_landmarker_pts68.csta"};
    /**
     * 5点人脸关键点模型
     */
    public static String[] landmarker5_cstas = {CSTA_PATH + "/face_landmarker_pts5.csta"};

    /**
     * 人脸清晰图模型
     */
    public static String[] qualityOfLBN_cstas = {CSTA_PATH + "/quality_lbn.csta"};

    /**
     * 姿态评估模型
     */
    public static String[] pose_estimation_cstas = {CSTA_PATH + "/pose_estimation.csta"};

    // 68关键点识别器
    public static SeetaConfSetting faceLandmarker68PoolSetting = new SeetaConfSetting(new SeetaModelSetting(0, landmarker68_cstas, SeetaDevice.SEETA_DEVICE_AUTO));
    public static FaceLandmarkerProxy faceLandmarker68Proxy = new FaceLandmarkerProxy(faceLandmarker68PoolSetting);


    // 5关键点识别器
    public static SeetaConfSetting faceLandmarker5PoolSetting = new SeetaConfSetting(new SeetaModelSetting(0, landmarker5_cstas, SeetaDevice.SEETA_DEVICE_AUTO));
    public static FaceLandmarkerProxy faceLandmarker5Proxy = new FaceLandmarkerProxy(faceLandmarker5PoolSetting);

    //人脸清晰度评估器
    public static SeetaConfSetting setting = new SeetaConfSetting(new SeetaModelSetting(0, qualityOfLBN_cstas, SeetaDevice.SEETA_DEVICE_AUTO));
    public static QualityOfLBNProxy qualityOfLBNProxy = new QualityOfLBNProxy(setting);

    //人脸姿态评估器
    public static SeetaConfSetting qualityOfPoseExsetting = new SeetaConfSetting(new SeetaModelSetting(0, pose_estimation_cstas, SeetaDevice.SEETA_DEVICE_AUTO));
    public static QualityOfPoseExProxy qualityOfPoseExProxy = new QualityOfPoseExProxy(qualityOfPoseExsetting);


    public static void main(String[] args) throws IOException {
        //加载 dll
        LoadNativeCore.LOAD_NATIVE(SeetaDevice.SEETA_DEVICE_AUTO);
        faceDetection();
    }

    /**
     * 人脸检测
     */
    public static void faceDetection()
            throws IOException {

        // 开启摄像头，获取图像（得到的图像为frame类型，需要转换为mat类型进行检测和识别）
        OpenCVFrameGrabber grabber = new OpenCVFrameGrabber(0);
        grabber.start();

        // Frame与Mat转换
        OpenCVFrameConverter.ToMat converter = new OpenCVFrameConverter.ToMat();

        CanvasFrame canvas = new CanvasFrame("人脸检测"); // 新建一个预览窗口

        canvas.setCanvasSize(1000, 800);//设置大小

        canvas.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);

        canvas.setVisible(true);
        canvas.setFocusable(true);
        // 窗口置顶
        if (canvas.isAlwaysOnTopSupported()) {
            canvas.setAlwaysOnTop(true);
        }
        Frame frame;

        /**
         * 人脸跟踪器
         */
        FaceTracker faceTracker = new FaceTracker(detector_cstas[0], grabber.getImageWidth(), grabber.getImageHeight());

        for (; canvas.isVisible() && (frame = grabber.grab()) != null; ) {

            // 将获取的frame转化成mat数据类型
            Mat img = converter.convert(frame);
            //有可能为空
            if (img == null) {
                continue;
            }

            // 自定义 mat 转 SeetaImageData
            SeetaImageData image = OpenCVImageUtil.mat2SeetaImageData(img);

            //开始
            SeetaTrackingFaceInfo[] tracks = faceTracker.Track(image);

            // 遍历人脸
            for (SeetaTrackingFaceInfo item : tracks) {

                //官方源码没写get set 赋值不是很规范
                SeetaRect seetaRect = new SeetaRect();
                seetaRect.height = item.height;
                seetaRect.width = item.width;
                seetaRect.x = item.x;
                seetaRect.y = item.y;

                // 68点人脸关键点识别，为清晰度评估所用
                SeetaPointF[] point68FS = faceLandmarker68Proxy.mark(image, seetaRect);
                QualityOfLBNProxy.LBNClass lbnClass = qualityOfLBNProxy.detect(image, point68FS);

                // 5点人脸关键点识别，为姿态评估所用
                SeetaPointF[] point5FS = faceLandmarker5Proxy.mark(image, seetaRect);
                QualityOfPoseEx.QualityLevel level = qualityOfPoseExProxy.check(image, seetaRect, point5FS);

                //打印质量检测结果
                System.out.println(item.PID + ": " + "QualityLevel，" + level + ", lbnClass===" + lbnClass.getBlurstate() + " === " + lbnClass.getLightstate() + " === " + lbnClass.getNoisestate());

                /**
                 * 保存时 上下左右都加10
                 */
                Rect face = new Rect(item.x - 10, item.y - 10, item.width + 20, item.height + 20);

                /**
                 * 保存图片，比一定真保存，同一个人只有分数高于前面才保存
                 */
                saveRect(item, img, lbnClass, level, face);

                // 绘制人脸矩形区域，scalar色彩顺序：BGR(蓝绿红)
                rectangle(img, face, new Scalar(0, 0, 255, 1));

                int pos_x = Math.max(face.tl().x() - 10, 0);
                int pos_y = Math.max(face.tl().y() - 10, 0);
                // 在人脸矩形上面绘制文字
                putText(
                        img,
                        "PID:" + item.PID,
                        new Point(pos_x, pos_y),
                        FONT_HERSHEY_COMPLEX,
                        1.0,
                        new Scalar(0, 0, 255, 2.0));
            }

            // 显示视频图像
            canvas.showImage(frame);
        }

        canvas.dispose();
        grabber.close();
    }


    /**
     * 将PID 质量评分，质量评估结果，保存到路径上
     *
     * @param pid      人脸PID 同一个人脸PID相同
     * @param score    分数
     * @param lbnClass 人脸清晰度评估结果
     * @param level    人脸姿态评估结果
     * @return path
     */
    public static String getPath(int pid, short score, QualityOfLBNProxy.LBNClass lbnClass, QualityOfPoseEx.QualityLevel level) {
        StringBuffer sb = new StringBuffer();
        sb.append(pid).append(", score ").append(score);
        if (level != null) {
            sb.append(", check ").append(level);
        }
        if (lbnClass != null) {
            sb.append(", lbn ").append(lbnClass.getBlurstate()).append(",").append(lbnClass.getNoisestate()).append(",").append(lbnClass.getLightstate());
        }

        sb.append(".jpg");
        return BASE_OUTPUT_PATH + sb;
    }


    /**
     * 人脸缓存  PID 人脸质量
     * <pid,Quality></>
     */
    public static Map<Integer, Quality> tempMap = Collections.synchronizedMap(new HashMap<>());

    /**
     * 保存正方形区域
     * 根据分数平判是否覆盖之前的图片
     *
     * @param item     跟踪到的1个人脸
     * @param img      原始帧照片
     * @param lbnClass 人脸清晰度结果
     * @param level    人脸姿态评估结果
     * @param face     人脸四方框
     */
    public static void saveRect(SeetaTrackingFaceInfo item, Mat img, QualityOfLBNProxy.LBNClass lbnClass, QualityOfPoseEx.QualityLevel level, Rect face) {
        // 计算分数
        short score = analysisScore(lbnClass, level);
        // 如果不包含 pid ,先直接保存图片和put到map
        if (!tempMap.containsKey(item.PID)) {
            Quality quality = new Quality(score, lbnClass, level);
            tempMap.put(item.PID, quality);
            saveImg(img, face, getPath(item.PID, score, lbnClass, level));
        } else {
            Quality quality = tempMap.get(item.PID);
            if (quality.getScore() < score) {
                quality = new Quality(score, lbnClass, level);
                tempMap.put(item.PID, quality);
                saveImg(img, face, getPath(item.PID, score, lbnClass, level));
            }
        }
    }


    /**
     * 分析分数 给各质量指标加权
     *
     * @param lbnClass 不想要 lbnClass 清晰度评估结果 可以传null
     * @param level    不想要 人脸姿态评估 结果 可以传null
     * @return 分数
     */
    public static short analysisScore(QualityOfLBNProxy.LBNClass lbnClass, QualityOfPoseEx.QualityLevel level) {

        short levelScore = 1;
        short blurstateScore = 1;
        short lightstate = 1;
        short noisestate = 1;

        if (level != null) {
            if (Objects.equals(QualityOfPoseEx.QualityLevel.HIGH, level)) {
                levelScore = 3;
            } else if (Objects.equals(QualityOfPoseEx.QualityLevel.MEDIUM, level)) {
                levelScore = 2;
            }
        }

        //不想要 lbnClass 清晰度评估结果 可以穿null
        if (lbnClass != null) {
            if (Objects.equals(QualityOfLBN.BLURSTATE.CLEAR, lbnClass.getBlurstate())) {
                blurstateScore = 2;
            }

            if (Objects.equals(QualityOfLBN.LIGHTSTATE.BRIGHT, lbnClass.getLightstate())) {
                lightstate = 2;
            }

            if (Objects.equals(QualityOfLBN.NOISESTATE.NONOISE, lbnClass.getNoisestate())) {
                noisestate = 2;
            }
        }

        /**
         * blurstateScore 比较重要，乘以 2
         */
        int lbnScore = blurstateScore * 2 + lightstate + noisestate;

        /**
         * levelScore 比较重要，乘以 2
         */
        return (short) (lbnScore + levelScore * 2);
    }

    /**
     * 保存头像图片
     *
     * @param img  原始帧图片
     * @param face 长方形
     * @param path 保存路径
     */
    public static void saveImg(Mat img, Rect face, String path) {
        Mat roi_img = new Mat(img, face);
        //创建临时的人脸拷贝图形
        Mat tmp_img = new Mat();
        //人脸拷贝
        roi_img.copyTo(tmp_img);
        opencv_imgcodecs.imwrite(path, tmp_img);
    }


    /**
     * 人脸质量对象
     */
    static class Quality {
        /**
         * 质量评分
         */
        private short score;
        /**
         * 人脸清晰度评估 结果
         */
        private QualityOfLBNProxy.LBNClass lbnClass;

        /**
         * 深度学习的 人脸姿态评估 结果
         */
        private QualityOfPoseEx.QualityLevel level;

        private Quality() {
        }

        public Quality(short score, QualityOfLBNProxy.LBNClass lbnClass, QualityOfPoseEx.QualityLevel level) {
            this.score = score;
            this.lbnClass = lbnClass;
            this.level = level;
        }

        public short getScore() {
            return score;
        }

        public void setScore(short score) {
            this.score = score;
        }

        public QualityOfLBNProxy.LBNClass getLbnClass() {
            return lbnClass;
        }

        public void setLbnClass(QualityOfLBNProxy.LBNClass lbnClass) {
            this.lbnClass = lbnClass;
        }

        public QualityOfPoseEx.QualityLevel getLevel() {
            return level;
        }

        public void setLevel(QualityOfPoseEx.QualityLevel level) {
            this.level = level;
        }
    }

}


  public static SeetaImageData mat2SeetaImageData(Mat matrix) {
    int cols = matrix.cols();
    int rows = matrix.rows();
    int elemSize = (int) matrix.elemSize();
    byte[] data = new byte[cols * rows * elemSize];
    matrix.data().get(data);
    switch (matrix.channels()) {
      case 1:
        break;
      case 3:
        byte b;
        for (int i = 0; i < data.length; i = i + 3) {
          b = data[i];
          data[i] = data[i + 2];
          data[i + 2] = b;
        }
        break;
      default:
        return null;
    }
    SeetaImageData seetaImageData = new SeetaImageData(cols, rows, matrix.channels());
    seetaImageData.data = data;

    return seetaImageData;
  }

主要的jar

         <dependency>
            <groupId>org.bytedeco</groupId>
            <artifactId>javacv-platform</artifactId>
            <version>1.5.7</version>
        </dependency>
        <dependency>
            <groupId>com.seeta.sdk</groupId>
            <artifactId>seeta-sdk-platform</artifactId>
            <version>1.23</version>
        </dependency>
        <dependency>
            <groupId>org.apache.commons</groupId>
            <artifactId>commons-pool2</artifactId>
            <version>2.5.0</version>
        </dependency>
        <dependency>
            <groupId>com.google.guava</groupId>
            <artifactId>guava</artifactId>
            <version>30.1.1-jre</version>
        </dependency>

输出结果

  1. 在BASE_OUTPUT_PATH路径下，生成每个人不同分数下的照片（如果只取保留最好的一张，需要修改保存图片时的代码）

图片名称结果如下：

0, score 10, check HIGH, lbn BLUR,HAVENOISE,DARK.jpg
0, score 12, check HIGH, lbn CLEAR,HAVENOISE,DARK.jpg
0, score 13, check HIGH, lbn CLEAR,NONOISE,DARK.jpg
0, score 14, check HIGH, lbn CLEAR,NONOISE,BRIGHT.jpg
1, score 9, check LOW, lbn CLEAR,HAVENOISE,BRIGHT.jpg
1, score 12, check MEDIUM, lbn CLEAR,NONOISE,BRIGHT.jpg
1, score 13, check HIGH, lbn CLEAR,NONOISE,DARK.jpg
2, score 9, check LOW, lbn CLEAR,NONOISE,DARK.jpg
2, score 10, check MEDIUM, lbn CLEAR,HAVENOISE,DARK.jpg
2, score 11, check HIGH, lbn BLUR,NONOISE,DARK.jpg
2, score 11, check MEDIUM, lbn CLEAR,NONOISE,DARK.jpg
2, score 12, check HIGH, lbn CLEAR,HAVENOISE,DARK.jpg
2, score 14, check HIGH, lbn CLEAR,NONOISE,BRIGHT.jpg
3, score 9, check MEDIUM, lbn BLUR,NONOISE,DARK.jpg
3, score 11, check HIGH, lbn BLUR,NONOISE,DARK.jpg
3, score 12, check HIGH, lbn CLEAR,HAVENOISE,DARK.jpg
3, score 13, check HIGH, lbn CLEAR,NONOISE,DARK.jpg
3, score 14, check HIGH, lbn CLEAR,NONOISE,BRIGHT.jpg
4, score 7, check LOW, lbn BLUR,NONOISE,DARK.jpg
5, score 9, check MEDIUM, lbn BLUR,NONOISE,DARK.jpg
5, score 10, check MEDIUM, lbn BLUR,NONOISE,BRIGHT.jpg
  1. 上面有5个PID，每个pid都有几个图片保存下来，经过肉眼对比 score分数对质量区分明显。

总结

  1. 人脸跟踪减少cpu和内存的使用，同时较少查底库次数。
  2. 人脸质量还有完整度评估，遮罩评估，眼睛开闭状态，完整度和尺寸等，可以根据需要进行加权打分。

不懂seetaface6SDK的可以先看gitee项目哦

Tracy10001
关注
  • 1
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
专栏目录
SeetaFace编译使用 中科院人脸识别SDK
shakevincent的博客
09-26 1万+
中科院人脸识别平台： 1：编译face_detector——dll工程 步骤： 1：文件——新建——项目——win32控制台程序——dll——空工程。 2：添加cpp文件，除了TEST文件下 3：属性C/C++——附加包含目录——添加include中的文件 4：属性C/C++——预处理器——添加“SEETA_
SeetaFace6 人脸识别Windows版本，可以直接调用
08-21
基于中科视拓的Seetaface6编译 编译环境 Windows 10 22H2 + VS 2019 + Cmake + VC++14（运行的时候需要电脑里需要有VC++14的库） 编译了完整的官方原版功能： "人脸检测"、"5点特征点"、"68点特征点"、"活体检测"、"五官遮挡检测"、"年龄检测"、"性别检测"、"口罩检测"、"眼睛开闭检测"、"清晰度评估"、"明亮度评估"、"分辨率评估"、"姿态评估"、"人脸完整性评估"、"人脸跟踪"、"人脸识别" 编译了CPU和GPU两个版本。可以直接离线使用 Windows 10系统下可正常调用。 GPU版本是基于CUDA12编译的。安培架构之前的显卡可以使用。也就是30系显卡之前的显卡。 Github源码：https://github.com/SeetaFace6Open/index 官方文档：https://github.com/seetafaceengine/SeetaFaceTutorial 另外需要正常使用还需要下载官方的模型，总计14个模型。 https://pan.baidu.com/share/in
探秘SeetaFace6Open：高效、开源的人脸识别框架
gitblog_00046的博客
04-17 603
探秘SeetaFace6Open：高效、开源的人脸识别框架 项目地址:https://gitcode.com/SeetaFace6Open/index SeetaFace6Open 是一个强大的、面向开发者和研究者的开源人脸识别框架，它由浙江大学计算机视觉实验室开发并维护。该项目致力于提供易用的接口，以实现人脸检测、对齐、识别等一系列功能，让开发者能够快速构建自己的人脸识别应用。 技术分析 1. ...
android seetaface6_SeetaFace 6：中科视拓开放商业版本人脸识别算法
weixin_39978276的博客
11-29 831
今天(3月31日)，中科视拓宣布开放SeetaFace6人脸识别算法。2016年9月和2019年8月，中科视拓分别开源了SeetaFace1.0人脸识别引擎、SeetaFace2.0商用级人脸识别算法。SeetaFace6是最新开放的正式级商业版本，突破了之前社区版和企业版错开发布的情况，此次v6版本与商用版本同步推出。SeetaFace6包含人脸识别的基本能力：人脸检测、关键点定位、人脸识别，同...
SeetaFace6人脸特征提取与对比C++代码实现Demo
最新发布
mickey2007的博客
05-12 1371
人脸特征提取与对比，就是将待识别的人脸经过处理变成二进制数据的特征，然后基于特征表示的人脸进行相似度计算，最终与相似度阈值对比，一般超过阈值就认为特征表示的人脸是同一个人。
【快搭】Java+JSeetaface6+Seetaface6实现人脸识别
瞎带节奏的博客
07-23 4312
一个人脸识别开源库，基于中科院seetaface6进行封装的JAVA人脸识别算法库。仅支持windows 64位系统。
Ubuntu18.04配置Seetaface6
qq_58011370的博客
01-29 2310
一、下载安装Qt软件 1. 安装包下载 官方下载地址，选择下载qt-opensourece-linux-x64-5.12.0.run。 2. 安装Qt 打开终端，cd到文件所在目录 1. 改变执行权限 sudo chmod +x qt-opensource-linux-x64-5.12.0.run 2. 安装 sudo ./qt-opensource-linux-x64-5.12.0.run 接下来会弹出图形界面安装向导，选择需要的部件安装，一直下一步直到结束。 注意： 1. 在
Java开发基于seetaface6人脸识别（活体检测）的封装源码.zip
04-11
Java开发基于seetaface6人脸识别（活体检测）的封装源码.zipJava开发基于seetaface6人脸识别（活体检测）的封装源码.zipJava开发基于seetaface6人脸识别（活体检测）的封装源码.zipJava开发基于seetaface6人脸识别（活体检测）的封装源码.zipJava开发基于seetaface6人脸识别（活体检测）的封装源码.zipJava开发基于seetaface6人脸识别（活体检测）的封装源码.zipJava开发基于seetaface6人脸识别（活体检测）的封装源码.zipJava开发基于seetaface6人脸识别（活体检测）的封装源码.zip 【资源说明】 1、该资源内项目代码都是经过测试运行成功，功能正常的情况下才上传的，请放心下载使用。 2、适用人群：主要针对计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、数学、电子信息等)的同学或企业员工下载使用，具有较高的学习借鉴价值。 3、不仅适合小白学习实战练习，也可作为大作业、课程设计、毕设项目、初期项目立项演示等，欢迎下载，互相学习，共同进步！
开源人脸识别linux,开源人脸识别seetaface入门教程(一)
weixin_34538771的博客
05-13 1454
简述seetaface由中科院计算所山世光研究员带领的人脸识别研究组研发。代码基于C++实现，不依赖第三方库。然而，目前开源的代码，是在windows vs上编译的，对于我们这帮mac/linux用户来说，用起来还是挺麻烦的。经过这几天的学习，对seetaface总算有了全面的了解。下面，听我娓娓道来。注意：本文章不涉及代码逻辑和原理，只是教大家如何使用seetaface做人脸识别。引擎FaceD...
Java实现人脸检测
热门推荐
b379685397的博客
10-03 2万+
一、前言 之前上传了一个资源，就是Java实现人脸检测，发现很多人都不会用，就是这个https://download.csdn.net/download/b379685397/10023135。各种乱七八糟评论都有，那就如大家所愿，我发个教程吧。 当前很多博客实现人脸识别的大部分都是调用云厂家的接口，如百度，阿里云。以及我们乐橙开放平台也支持人脸识别等人工智能服务。这些都比较简单，会接开放平台...
Java开发基于seetaface6的人脸识别（活体检测）的封装源码.zip
09-05
Java开发基于seetaface6的人脸识别（活体检测）的封装源码.zipJava开发基于seetaface6的人脸识别（活体检测）的封装源码.zipJava开发基于seetaface6的人脸识别（活体检测）的封装源码.zipJava开发基于seetaface6的...
SeetaFace JavaDemo(含64为dll、不含三个模型)
08-22
开源的SeetaFace人脸识别引擎是由中科院计算所山世光研究员带领的人脸识别研究组研发。代码基于C++实现，且不依赖于任何第三方的库函数，开源协议为BSD-2，可供学术界和工业界免费使用。 具体介绍请参考《深度学习大讲堂知乎专栏》 https://zhuanlan.zhihu.com/p/22451474 Github开源项目: https://github.com/seetaface/SeetaFaceEngine SeetaFace人脸识别引擎包括了搭建一套全自动人脸识别系统所需的三个核心模块，即：人脸检测模块（SeetaFace Detection）、面部特征点定位模块（SeetaFace Alignment）以及人脸特征提取与比对模块（SeetaFace Identification）。 按照文档中的提示和步骤，配置Visual Studio和OpenCV，就可以成功编译，看到最终的效果了。 经测试效果速度一般
人脸跟踪视频测试集
10-31
人脸跟踪视频测试集 很全 下载必有收获
SeetaFace 人脸识别 Windows demo
01-30
已配置的可运行的人脸识别，运行后输入1：加载SeetaFace\FaceRecognition\images 人脸数据； 输入2：打开摄像头按 q 拍照对比。
springboot 集成seetaface6JNI实现人脸检测识别
08-17
springboot 集成seetaface6JNI实现人脸检测识别，
基于seetaface6的人脸识别源码_android版
08-27
基于seetaface6的人脸识别源码_android版,基本功能包括人脸注册、人脸认证，注册库管理。
seetaface6人脸识别库
09-28
中科院seetaface6人脸识别库
SeetaFace6人脸跟踪C++代码实现Demo
04-27
开发环境： - Windows 10 pro x64 - Visual Studio 2015 - Seetaface6 算法模型： - face_detector.csta 软件功能 - 人脸跟踪 - 取消
基于中科院Seetaface6的Java人脸识别算法库设计源码
04-06
本资源提供了一套基于中科院Seetaface6的Java人脸识别算法库的设计源码，包含42个文件，其中包括19个Java源代码文件，10个DLL文件，以及5个库文件。此外，还包括2个XML配置文件，1个LICENSE许可证文件，1个Markdown...
java视频人脸打码实战
05-12
人脸打码是一种比较常见的隐私保护方法，常用于处理一些需要保护个人隐私的视频内容。在Java视频处理中，可以使用OpenCV库进行人脸检测和打码的处理。通过OpenCV中提供的人脸识别算法，可以快速、准确地检测出视频中的人脸区域，并通过对该区域进行遮挡或者添加模糊效果等方式进行打码。 具体实现步骤如下： 1、载入OpenCV库，在Java程序中调用它提供的人脸识别API接口，用来获取视频中的人脸位置。 2、根据获取到的人脸区域，使用Java提供的图像处理API进行像素点的修改，采用遮挡或者高斯模糊等方式进行人脸打码操作。 3、为了保证视频播放过程中打码效果的连续性，需要对每一帧的画面都进行处理，通过循环遍历每一帧的像素点，保证打码的效果一致。 总之，借助Java平台上的OpenCV自带人脸识别算法，Java程序可以很容易地实现人脸打码的处理。而在实现打码过程中，需要注意的是要保证打码效果的连续性以及性能方面的瓶颈等问题。

“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 7
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