项目一:人脸识别(1)

1.简介:

/**********************************************************************
最近开始人脸识别的个人项目练习,其实该项目中所谓的识别仅仅只是检测,我们先从最简单
的调用opencv训练好的分类器和函数,虽然只是调用,我觉得这是接触人脸识别的必经之路,只有自己亲自动手做了,虽然在重复造轮子,但只有自己亲自动手造出来的轮子,才能内化
为自己的东西。
平台:ubuntu16.04+opencv3.2
**********************************************************************/

2.Haar Cascades in OpenCV相关介绍

/************************************************************************
此次人脸识别我使用的是opencv中的harr Cascades,同时为了拓展学习,还增加了笑脸检测.这里用到的训练好的人脸检测和笑脸检测分类器可以从这个github下载获取。通常这些训练模型以xml文件格式保存,opencv中有很多基于haar cascades的物体检测器,例如:猫脸检测器(cat face detector )、眼睛检测器(eye detector)、轮廓面部检测器(profile face detector)、行人探测器(pedestrian detector).************************************************************************/

3.主要步骤

/**************************************************************
1.加载分类器,将人脸检测分类器和笑脸检测分类器放在项目目录中去
2.调用detecMutiScale()函数检测,对函数中相关的参数进行修改调整,
 是检测的结果更加精确,相关参数介绍见4
3.把检测到的人脸用矩形画出来***************************************************************/

4.detectMultiscale函数介绍

/************************************************************
1.介绍detectMultiscale之前,有必要介绍一下opencv中用来做目标检测的级联分类器的一个
类,其结构如下:
The constructor for the cv::CascadeClassifier object is:

      cv::CascadeClassifier::CascadeClassifier(
      const String& filename
  );
这个构造函数只需要一个参数,即存储xml文件的名字,此外还有一个默认参数,即是使用
load()成员加载级联。
************************************************************/
/**************************************************************************
2.detectMultiScale()函数简介:
CascadeClassifier的使用时候,需要调用detectMultiScale()函数这个外部接口,该函数的
参数详解如下图:ps:详细介绍参见Learning Opencv3之P884***************************************************************************

原文地址:https://www.cnblogs.com/ilym/p/8448746.html

时间: 2024-08-28 22:50:22

项目一:人脸识别(1)的相关文章

python使用opencv实现人脸识别系统

1.首先安装过python环境,在这里就不过说    检测是否安装成功如下,在cmd中输入Python     2.安装numpy 现在开始安装numpy,打开cmd,输入pip install numpy 我的电脑已经安装过了,忘记截屏了.就在网上找了图片 测试是否成功 3.安装opencv 在官网自行下载,这里下载的是opencv2.4.10安装. ### (1)复制cv2.pyd 将"\opencv\build\python\2.7\x64"或"\opencv\buil

百度DMLC分布式深度机器学习开源项目(简称“深盟”)上线了如xgboost(速度快效果好的Boosting模型)、CXXNET(极致的C++深度学习库)、Minerva(高效灵活的并行深度学习引擎)以及Parameter Server(一小时训练600T数据)等产品,在语音识别、OCR识别、人脸识别以及计算效率提升上发布了多个成熟产品。

百度为何开源深度机器学习平台? 有一系列领先优势的百度却选择开源其深度机器学习平台,为何交底自己的核心技术?深思之下,却是在面对业界无奈时的远见之举. 5月20日,百度在github上开源了其深度机器学习平台.此番发布的深度机器学习开源平台属于"深盟"的开源组织,其核心开发者来自百度深度学习研究院(IDL),微软亚洲研究院.华盛顿大学.纽约大学.香港科技大学,卡耐基·梅陇大学等知名公司和高校. 通过这一开源平台,世界各地的开发者们可以免费获得更优质和更容易使用的分布式机器学习算法源码,

微软牛津项目人脸识别API初探

按照董子的这篇博客中的介绍,到微软牛津项目的网站申请到测试用的人脸识别Key,按照官方文档的介绍,把wpf项目建好之后,按照一步步的流程下来就可以完成example中的功能了.但是这仅仅是个example,图片不能太大,不然会出现溢出错误.之前关注过牛津项目,后来不知道竟然中文版的官网也出来了,只是中文的文档翻译的是在是太不堪入目了,不过这也保持了微软的一贯的风格. 我的环境是:win7 64bit+VS2015+.Net4.5+C#PS:最好把 drawingContext.Close();移

人脸识别完整项目实战(14):实时人脸特征点标定程序设计

一.前言 本文是<人脸识别完整项目实战>系列博文第14章<实时人脸特征点标定程序设计>,本章内容详细介绍Win10 环境下,基于Visual Studio 2015 + Opencv + Dlib开发环境,如何实现实时视频流人脸特征点标定程序的设计.本文内容已经同步录制成视频课程,课程地址:<人脸识别完整项目实战> 二.正文 2.1 界面设计 人脸特征点标定程序沿用之前的界面设计,新增人脸特征点标定按钮,界面设计如下图所示: 2.2 执行结果 人脸特征点标定程序运行后,

人脸识别完整项目实战(2):完整项目案例运行演示

一.前言 本文是<人脸识别完整项目实战>系列博文第1部分,第一节<完整项目运行演示>,本章内容系统介绍:人脸系统核心功能的运行演示. 本内容已经录制成视频课程,详见网易云课堂. 整个<人脸识别完整项目实战>系统架构结构如下图所示: 项目概述篇:系统介绍人脸识别项目的系统架构设计.项目关键技术说明.项目业务需求分析.项目业务流程设计: 环境部署篇:提供C++和Python两种编程语言的版本,系统介绍项目开发环境概述.DLib框架源码编译.项目工程文件创建.项目开发环境配置

008_项目制作拍摄视频篇之_《人脸识别》

此项目为合作项目 需求: 采用人脸识别算法.AT89C51单片机.蓝牙模块.安卓软件设计一个门禁系统,可以实现人脸识别.面部信息添加.存储.删除:安卓与单片机连接:门禁开关.指示.报警等功能. 具体要求: 制作一个简单安卓动态人脸识别APP,APP可以添加.存储.删除面部信息,人脸识别时正确匹配到存储的面部信息之后通过手机蓝牙给装有蓝牙模块的AT89C51单片机传输一个信号,AT89C51单片机根据信号来实现简单门禁系统,开门之后手动关门,开门用LED灯表示,关门用开关代替,关门之后表示开门的灯

Github开源人脸识别项目face_recognition

Github开源人脸识别项目face_recognition 原文:https://www.jianshu.com/p/0b37452be63e 译者注: 本项目face_recognition是一个强大.简单.易上手的人脸识别开源项目,并且配备了完整的开发文档和应用案例,特别是兼容树莓派系统. 为了便于中国开发者研究学习人脸识别.贡献代码,我将本项目README文件翻译成中文. 向本项目的所有贡献者致敬. 英译汉:同济大学开源软件协会 子豪兄Tommy Translator's note: f

atitit.人脸识别的应用场景and使用最佳实践 java .net php

atitit.人脸识别的应用场景and使用最佳实践 java .net php 1. 人脸识别的应用场景 1 2. 框架选型 JNI2OpenCV.dll and JavaCV 1 3. Url api 法 1 4. 使用法 2 5. 问题解决 2 6. 测试main修改 2 7. 主要的code 2 8. 参考 3 1. 人脸识别的应用场景 图片库清理...不个要保持的图片(有人脸/ngaiz,呵呵)跟个马用的图片分割开... 人物识别::::  不同样的人脸可以识别... 物体识别::: O

人脸识别(face recognition)

一.前述 1. 发展 以往的人脸识别主要是包括人脸图像采集.人脸识别预处理.身份确认.身份查找等技术和系统.现在人脸识别已经慢慢延伸到了ADAS中的驾驶员检测.行人跟踪.甚至到了动态物体的跟踪.由此可以看出,人脸识别系统已经由简单的图像处理发展到了视频实时处理.而且算法已经由以前的Adaboots.PCA等传统的统计学方法转变为CNN.RCNN等深度学习及其变形的方法.现在也有相当一部分人开始研究3维人脸识别识别,这种项目目前也受到了学术界.工业界和国家的支持. 之后的内容主要参考了下面的链接,