人脸识别
Carol_小菜鸟
重新出发,坚持努力!
展开
-
活体检测方法
文章目录纹理分析频率分析可变聚焦分析基于启发式的算法光流算法3D脸部形状结合以上各项纹理分析纹理分析,包括计算脸部区域上的局部二进制图案(LBP)并使用SVM将脸部分类为真实或欺骗。皮肤的纹理特征是重要的依据,给2D照片拍照,比起给3D真人拍照,会损失一些纹理。频率分析频率分析,例如检查面部的傅立叶域。照片脸部的频率组成,也不像真人那样丰富。可变聚焦分析可变聚焦分析,例如检查两个连续帧之间的像素值变化。连拍两张照片,聚焦在不同位置,查看像素值 (Pixel Value) 的变化。基于启发式的算原创 2020-11-16 09:52:02 · 1043 阅读 · 0 评论 -
静默活体检测
文章目录1 静默活体检测技术2 静默活体检测特点:3 相关应用原理3.1 基于PCA和SURF的活体检测3.2 傅里叶频谱图辅助的RGB图像活体检测1 静默活体检测技术活体检测技术主要判别机器前出现的人脸是真实的还是伪造的,其中借助其他媒介呈现的人脸都可以定义为虚假的人脸,包括打印的照片、显示屏幕视频、硅胶面具、立体的3D人像等。目前主流的活体检测方案为配合式活体检测和非配合式活体检测(静默活体检测)等。配合式活体检测需要用户根据提示完成指定的动作,然后进行活体校验,静默活体检测与动态活体检测相反,原创 2020-10-29 17:17:26 · 10953 阅读 · 1 评论 -
Learning Deep Models for Face Anti-Spoofing: Binary or Auxiliary Supervision
学习人脸反欺骗的深度模型:二进制或辅助监控摘要人脸反欺骗是防止人脸识别系统的安全漏洞的关键。以往的深度学习方法将人脸反欺骗表述为一个二值分类问题。他们中的许多人很难掌握足够的欺骗线索,因而无法进行有效的归纳。在本文中,我们认为辅助监督对于引导朝着区分性和普遍性限线索的学习的很重要。利用CNN-RNN模型对人脸深度进行像素监督估计对rPPG信号进行序列监督评估。估计深度和rPPG信号被融合来区分真实和恶搞的面孔。此外,我们引入了一个新的人脸抗欺骗数据库,该数据库覆盖了大范围的照明、主题和姿态变化。试验表明翻译 2020-10-24 16:36:18 · 731 阅读 · 0 评论 -
人脸识别活体检测技术理论
文章目录1 人脸识别活体检测技术2 人脸识别活体检测动作方案2.1眨眼和张嘴2.2 摇头与点头2.3 防止照片攻击2.4 关于哈希图像的比较1 人脸识别活体检测技术动作配合式活体检测在线图片的活体检测H5视频活体检测离线红外线活体检测离线3D结构活体检测离线RGB活体检测2 人脸识别活体检测动作方案下面的眨眼和张嘴,摇头和点头,都是通过连续的图片,计算变化距离与不变距离的比,进行上一帧图像与下一帧图像的比,来判断是否为活体。这里用的是dlib,速度很快,可以做到实施检测,每秒20帧是可原创 2020-10-12 13:31:07 · 3379 阅读 · 0 评论 -
python数字图像处理——skimage
文章目录安装使用skimage包的子模块程序自带的图片安装我这里是先安装了anaconda,在anaconda环境下有集成的这个包,直接导入调用就就可以使用了。这里建议没有安装anaconda环境的可以安装一下,anaconda环境中集成了很多基础的软件包,免去了很多的软件包安装问题。使用io.imread(fname,as_grey=True)函数,第一个参数为图片路径,第二个参数为as_grey, bool型值,默认为False,表示是否显示为灰度图像。from skimage import原创 2020-09-22 14:31:06 · 746 阅读 · 0 评论 -
jpg、png及bmp格式图像的区别
图像处理:JPG、PNG及BMP的区别?1.JPG:全名应该是JPEG,JPEG 图片以 24 位颜色存储单个光栅图像(RGB),支持最高级别的压缩,不过,这种压缩是有损耗的。可以提高或降低 JPEG文件压缩的级别。但是,文件大小是以图像质量为代价的。压缩比率可以高达 100:1。使用的一种失真压缩标准方法,24 bit真彩色,不支持动画、不支持透明色。JPEG的压缩方式通常是破坏性资料压缩(lossy compression),即在压缩过程中图像的品质会遭受到可见的破坏。一张图片多次上传下载后,图片转载 2020-09-21 10:43:37 · 14873 阅读 · 0 评论 -
人脸识别准确概率计算——超详细
前言:虽然本段代码的目标是准确率计算,但识别率只是提供了一个简单的思路,单纯计算了正确的概率。代码的主要部分还是图片的匹配识别内容,所有的代码块都有响应的详尽解释,适合初期接触和了解的learner阅读。在后续准备训练数据时繁琐的工作令人头大,准备了几十个图像就花去了我大半时间,图像处理中往往需要大量图片进行训练,显然这种情况下这种方法是不可行的,不过目前也是一种思路,接下来在接触的过程中会继续了解相关的计算和评测方法,争取找到最佳,计算效果最好的方法进行准确率的计算。文章目录前言:1 概率计算公式2原创 2020-09-10 19:58:54 · 8633 阅读 · 1 评论 -
face_recognition.face_encodings() 错误提示:IndexError: list index out of range
今天在用face_recognition进行人脸识别代码执行时遇到一个报错信息:IndexError: list index out of range。这个错误信息是在执行代码这条语句中出现的:image_encoding = face_recognition.face_encodings(image)[0]因为我选取了per_image_cvcolor图片中第一个人脸编码,但忽略了一个问题:在图片中没有识别到人脸时,使用face_recognition.face_encodings()进行图片面部原创 2020-09-10 13:18:25 · 2894 阅读 · 2 评论 -
QcureUi——PYQT5界面美化
QcureUi是一种快速的,直接调用传参的QT5美化工具。文章目录下载软件包在主程序创建应用程序和接口的内容中导入包并调用参数说明下载软件包pip install QcureUi在主程序创建应用程序和接口的内容中导入包并调用调用 QcureUi.cure.Windows()if __name__ == '__main__': # 创建应用程序和对象 from QcureUi import cure app = 0 app = QApplication(sys.a原创 2020-09-01 14:21:41 · 3600 阅读 · 1 评论 -
PYQT5——实现文件的导入上传功能
话不多说,直接上代码import sysimport cv2import osimport numpy as npimport face_recognitionfrom PyQt5.QtCore import QTimerfrom PyQt5.QtMultimedia import QMediaContentfrom PyQt5.QtWidgets import QApplication, QWidget, \ QToolTip, QPushButton, QMessageBox,原创 2020-08-31 20:09:08 · 9460 阅读 · 1 评论 -
pyqt5——实现打开电脑摄像头
最近在研究python的可视化界面,在查资料的过程中get了pyqt5这种pycharm的可视化应用界面,整体理解上不算多难,网上也有很多成熟的例子。下面是从网上了一些资料写的一个实现打开读取显示电脑摄像头实时画面的例子。import sysimport osimport cv2from PyQt5 import QtCore, QtGui, QtWidgetsfrom PyQt5.QtWidgets import *from PyQt5.QtCore import *from PyQt5原创 2020-08-31 20:04:21 · 3489 阅读 · 2 评论 -
Robust Real-time Face Detection. Paul Viola, Michael Jones. IJCV 2004.
文章目录强大的实时物体检测摘要1 简介2 贡献总结3 积分图4 积分图计算特征值5 训练强分类器强大的实时物体检测摘要本文介绍了一种视觉对象检测框架,该框架能够在实现高检测率的同时非常快速地处理图像。 有三个主要贡献。 首先是引入了一种称为“积分图像”的新图像表示形式,它可以非常快速地计算出探测器使用的特征。 第二种是基于AdaBoost的学习算法,该算法选择了少量的关键视觉特征并产生了非常有效的分类器[6]。 第三个贡献是一种在“级联”中组合分类器的方法,该方法允许快速丢弃图像的背景区域,同时将更多原创 2020-08-27 10:41:10 · 842 阅读 · 0 评论 -
cv2.VideoCapture(0)无法打开usb摄像头问题
提示信息:PermissionError: [WinError 5] 拒绝访问。解决方法:赋予用户对python的“完全控制”的权限,步骤如下:找到按照python的位置,本文用的是Anaconda,安装在D盘,位置为:D:\Anaconda3。找到python->右键->属性->安全->点击“组或用户名”中的Users->编辑->点击点击“组或用户名”中的Users->把“完全控制”打钩->应用->OK...原创 2020-08-25 13:37:46 · 5002 阅读 · 0 评论 -
face.detectMultiScale方法各参数含义
opencv中人脸检测使用的是 detectMultiScale函数,小编使用手机播放一段视频,截取了几张人脸检测的图片detectMultiScale(const Mat& image,CV_OUT vector& objects,double scaleFactor = 1.1,int minNeighbors = 3,int flags = 0,Size minSize = Size(),Size maxSize = Size());函数介绍:参数1:image–原创 2020-08-25 09:32:40 · 6221 阅读 · 0 评论 -
face_recognition常用方法
文章目录face_recognition.load_image_file 加载图像face_recognition.face_locationsface_recognition.face_landmarks() 识别人脸关键点face_encodings 获取图像文件中所有面部编码Image.fromarraycompare_faces 由面部编码匹配脸PIL image转换成arrayImageDraw1、Drawface_recognition.load_image_file 加载图像import原创 2020-08-24 16:47:35 · 14796 阅读 · 7 评论 -
pip升级后无法使用的问题
解决 pip升级后安装安装软件包报错问题:ModuleNotFoundError: No module named ‘pip’今天本来想在自己电脑上安装个人脸库软件包Face Recognition,安装时提是我pip版本过低,需要update一下,然后就按提示信息更新了一下。之后使用pip进行安装时就一直报:ModuleNotFoundError: No module named 'pip’的错误。以为是因为自己用pycharm环境的问题,又重新配了一个anaconda环境,发现并没有什么用,后来找原创 2020-08-24 16:40:54 · 2164 阅读 · 1 评论 -
人脸识别及数据流处理
文章目录人脸识别及数据流处理1人脸识别1.1 基础简介1.1.1 人脸识别技术1.1.2 技术介绍1.2 原理1.3识别过程1.4 技术流程1.4.1 人脸图像采集及检测1.4.2 人脸图像预处理1.4.3 人脸图像特征提取1.4.4 人脸图像匹配与识别1.5 功能模块1.5.1 人脸捕获与跟踪功能1.5.2 人脸识别对比1.5.3 人脸的建模与检索1.5.4 真人鉴别功能1.5.5 图像质量检测1.6 分析算法1.6.1 主要人脸识别方法1.7 基础小结1.8 基于cv2 人脸识别的简单例子1.9 优缺点原创 2020-08-20 20:17:45 · 5971 阅读 · 0 评论