模板网官网免费版,西安seo外包优化,企业网站建设方案如何,软件公司名字1、人脸识别
人脸识别是一种技术#xff0c;通过检测、跟踪和识别人脸上的关键特征#xff0c;以确认人脸的身份。它通常用于安保系统、身份验证、社交媒体和人机交互等领域。
人脸识别技术的基本原理是先通过图像处理和计算机视觉算法#xff0c;提取人脸的特征点和特征描…1、人脸识别
人脸识别是一种技术通过检测、跟踪和识别人脸上的关键特征以确认人脸的身份。它通常用于安保系统、身份验证、社交媒体和人机交互等领域。
人脸识别技术的基本原理是先通过图像处理和计算机视觉算法提取人脸的特征点和特征描述。然后将这些特征与事先录入的人脸数据库进行比对以确定人脸的身份。
在人脸识别技术中一般包含以下步骤人脸检测、人脸对齐、特征提取和特征匹配。人脸检测是指在图像或视频中检测到人脸的位置人脸对齐是为了使得人脸特征点在后续处理中更容易提取特征提取是指将人脸图像转换为具有辨识度的特征向量特征匹配是将提取出的特征与数据库中的特征进行比对。
目前人脸检测的方法主要有两大类基于知识和基于统计。
基于知识的方法主要利用先验知识将人脸看作器官特征的组合根据眼睛、眉毛、嘴巴、鼻子等器官的特征以及相互之间的几何位置关系来检测人脸。主要包括模板匹配、人脸特征、形状与边缘、纹理特性、颜色特征等方法。基于统计的方法将人脸看作一个整体的模式——二维像素矩阵从统计的观点通过大量人脸图像样本构造人脸模式空间根据相似度量来判断人脸是否存在。主要包括主成分分析与特征脸、神经网络方法、支持向量机、隐马尔可夫模型、Adaboost算法等。
人脸识别技术的应用非常广泛包括但不限于身份识别、门禁系统、公安系统、智能手机解锁、相册分类、人机交互等。随着深度学习的快速发展人脸识别技术的准确率和效果得到了显著提升越来越多的领域开始应用这项技术。然而人脸识别技术也涉及到一些隐私和安全问题需要合理的使用和管理。
2、OpenCV之Haar级联检测器
人脸识别在OpenCV上也有专门的算法实现OpenCV使用基于Haar特征的级联分类器对级联分类器进行特定的训练可以使OpenCV自带的检测器在检测时的结果更加准确。这里的检测器即OpenCV包中的haarcascades文件夹下的XML文件。这些文件可以检测静止的图像或摄像头中得到的人脸。
opencv中内置了已经训练好的级联人脸、眼睛、嘴部等检测器以.XML格式存储可以将它们应用于图片及实时视频流的检测。opencv的人脸检测级联检测器是最稳定和准确的但在许多情况下眼睛检测和嘴巴检测的效果要差上许多。如果要对眼睛和嘴巴进行检测可以尝试python、dlib、opencv工作流它的效果更好、速度更快。 Haar级联算法是OpenCV最流行的目标检测算法主要优点是速度快尽管许多算法如HOG线性SVM、SSDs、更快的R-CNN、YOLO等等比Haar级联算法更精确。但如果需要纯粹的速度就是无法打败OpenCV的Haar cascades。Haar级联的缺点是容易出现假阳性检测应用于推理/检测时需要进行参数调整。 haarcascade_frontalface_default.xml检测面部 haarcascade_eye.xml检测左眼和右眼 haarcascade_smile.xml检测面部是否存在嘴部 haarcascade_eye_tree_eyeglasses.xml检测是否带墨镜 haarcascade_frontalcatface.xml检测猫脸 haarcascade_frontalcatface_extended.xml检测猫脸延伸 haarcascade_frontalface_alt.xml检测人脸属性 haarcascade_frontalface_alt_tree.xml haarcascade_frontalface_alt2.xml haarcascade_fullbody.xml检测全身 haarcascade_lefteye_2splits.xml检测左眼 haarcascade_licence_plate_rus_16stages.xml检测证件 haarcascade_lowerbody.xml检测下半身 haarcascade_profileface.xml haarcascade_righteye_2splits.xml检测右眼 haarcascade_russian_plate_number.xml检测俄罗斯字母车牌号 haarcascade_upperbody.xml检测上半身
3、在检测的人脸上绘制矩形
import cv2 as cvdef StaticDetect(filename):静态图像# 创建一个级联分类器 加载一个 .xml 分类器文件. 它既可以是Haar特征也可以是LBP特征的分类器.face_cascade cv.CascadeClassifier(./haarcascades/haarcascade_frontalface_default.xml)# 加载图像img cv.imread(filename)# 转换为灰度图gray_img cv.cvtColor(img, cv.COLOR_BGR2GRAY)# 进行人脸检测传入scaleFactorminNeighbors分别表示人脸检测过程中每次迭代时图像的压缩率以及# 每个人脸矩形保留近似数目的最小值# 返回人脸矩形数组faces face_cascade.detectMultiScale(gray_img, 1.3, 5)for (x, y, w, h) in faces:# 在原图像上绘制矩形img cv.rectangle(img, (x, y), (x w, y h), (255, 0, 0), 2)cv.namedWindow(Face Detected)cv.imshow(Face Detected, img)# 使程序停留等待任意键按下参数表示停留的时间0表示无限长k cv.waitKey(0)# 按下ESC键ASCII码为27后销毁所有窗口终止程序if k 27:cv.destroyAllWindows()if __name__ __main__:filename face.pngStaticDetect(filename)
单人和多人脸均可检测。 4、MediaPipe
Mediapipe 由 Google Research 于 2020 年推出旨在为计算机视觉研究人员和开发者提供一个易于使用、高性能的框架。Mediapipe 提供了多种预训练模型和算法涵盖了人脸检测、手势识别、姿态估计等领域。
MediaPipe是用于构建多模态例如视频、音频或任何时间序列数据、跨平台即eAndroid、IOS、web、边缘设备应用ML管道的框架。
以上2个模块都可以实现人脸检测经过在树莓派上的实验发现使用MediaPipe较OpenCV速度快本文将利用MediaPipe实现检测人脸功能并将检测到的人脸图像保存下来。
5、实验代码
本实验将检测到人脸信息并将实时检测到的图像保存到image文件夹内以时间戳命名每秒一个文件。 Face Detection Module
By: Computer Vision Zone
Website: https://www.computervision.zone/
import cv2,os,time
import mediapipe as mp
from datetime import datetimeclass FaceDetector:Find faces in realtime using the light weight model provided in the mediapipelibrary.def __init__(self, minDetectionCon0.5)::param minDetectionCon: Minimum Detection Confidence Thresholdself.minDetectionCon minDetectionConself.mpFaceDetection mp.solutions.face_detectionself.mpDraw mp.solutions.drawing_utilsself.faceDetection self.mpFaceDetection.FaceDetection(self.minDetectionCon)def findFaces(self, img, drawTrue):Find faces in an image and return the bbox info:param img: Image to find the faces in.:param draw: Flag to draw the output on the image.:return: Image with or without drawings.Bounding Box list.imgRGB cv2.cvtColor(img, cv2.COLOR_BGR2RGB)self.results self.faceDetection.process(imgRGB)bboxs []if self.results.detections:for id, detection in enumerate(self.results.detections):bboxC detection.location_data.relative_bounding_boxih, iw, ic img.shapebbox int(bboxC.xmin * iw), int(bboxC.ymin * ih), \int(bboxC.width * iw), int(bboxC.height * ih)cx, cy bbox[0] (bbox[2] // 2), \bbox[1] (bbox[3] // 2)bboxInfo {id: id, bbox: bbox, score: detection.score, center: (cx, cy)}bboxs.append(bboxInfo)if draw:img cv2.rectangle(img, bbox, (255, 0, 255), 2)cv2.putText(img, f{int(detection.score[0] * 100)}%,(bbox[0], bbox[1] - 20), cv2.FONT_HERSHEY_PLAIN,2, (255, 0, 255), 2)return img, bboxsdef Timestamp_Get():now datetime.now()datetime_str now.strftime(%Y-%m-%d %H:%M:%S).replace(:,-).replace( ,_)datetime_str datetime_str.jpgreturn datetime_strdef main():cap cv2.VideoCapture(0)detector FaceDetector()file_path./imagewhile True:success, img cap.read()img, bboxs detector.findFaces(img)if bboxs:time.sleep(0.02)if bboxs:# bboxInfo - id,bbox,score,centercenter bboxs[0][center]cv2.circle(img, center, 5, (255, 0, 255), cv2.FILLED)file_name os.path.join(file_path,Timestamp_Get())cv2.imwrite(file_name,img)time.sleep(1)cv2.imshow(Image, img)if cv2.waitKey(20) ord(q):breakcap.release()cv2.destroyAllWindows()elif cv2.waitKey(20) ord(s):time.sleep(1)file_name os.path.join(./image,Timestamp_Get())cv2.imwrite(file_name,img)print(file_name保存成功)time.sleep(1)if __name__ __main__:main()1人脸检测类FaceDetector的findFaces方法可以检测人脸在整个图像的位置经试验不光是人脸人手也可以被检测。还有检测的概率以及人脸的中心像素点的位置。 2Timestamp_Get获取当前的时间戳作为文件名保存。
file_name os.path.join(file_path,Timestamp_Get())
cv2.imwrite(file_name,img)3人脸检测的情况可能会出现误检、抖动的情况我们通过得分和消抖来进行局部调整。
score的类型是google._upb._message.RepeatedScalarContainer它 是 Protocol Buffers 中的一个内部类用于表示重复的标量值即一个数组。要将此容器转换为浮点数列表再转成float 这样检测目标低于60%概率的人脸就不会被保存。
4该程序支持自动保存也支持手动保存。
随便在手机上找个美女试试效果吧
