dlib

1. 源代码 先给出测试的结果，关键点并不是特别准，原因是训练样本数据量太少。 以下给出完整的人脸关键点检测器训练代码。详细的代码解读请看第二部分。 /* faceLandmarksTrain.cpp function:借助dlib训练自己的人脸关键点检测器(参考dlib/examples/train_shape_predictor_ex) date:2016/11/6 author:Elaine_Bao */ #include <dlib/image_processing.h> #include <dlib/data_io.h> #include <iostream> using namespace dlib; using namespace std; // ---------------------------------------------------------------------------------------- //获取两眼间距离，输出D[i][j]表示objects[i][j]中人脸的两眼间距离 std::vector<std::vector<double> > get_interocular_distances( const std::vector<std::vector<full_object_detection> >& objects ); // -

我司最近要做和人脸识别相关的产品，原来使用的是其他的在线平台，识别率和识别速度很满意，但是随着量起来的话，成本也是越来越不能接受（目前该功能我们是免费给用户使用的），而且一旦我们的设备掉线了就无法使用人脸识别功能。基于这些考虑，我司需要寻找其他的方案。 通过搜索，目前发现，开源或免费支持离线的方案也有不少。目前初步考虑虹软 ArcFace和Dlib。 通过官方的demo 和 网上的资料，写了个工程，也可以在这里看。 这里说一下要注意的摄像头是使用了 OpenCV 来处理的，这里可能会涉及到预览图和屏幕方向不一致的情况，我主要是通过一下代码处理 Dlib 和虹软 ArcFace要做人脸识别前都需要先检测人脸，要不然后续提取不到人脸特征人脸特征比对时，建议将需要识别的人脸特征库预先加载到内存，这样可以加快速度（当然也占用比较大的内存）在使用 Dlib 做人脸检测时要注意，人脸方向和屏幕方向不一致时检测不到人脸（虹软 ArcFace 不存在这个问题），如果不一致，需要将图片的人脸方向转为和屏幕方向一致时再来做人脸检测虹软 ArcFace 做人脸识别时，要注意你下载的凭条 SDK 与 APP_Id、SDK_key 要一致（这个是没懂要搞这么多验证数据）。库的引用直接安装文档操作即可。虹软 ArcFace 做人脸识别时，要使用人脸检测时的人脸角度，要不然提取不到人脸特征，可以参考一下代码说明

本文的模型使用了C++工具箱dlib基于深度学习的最新人脸识别方法，基于户外脸部数据测试库Labeled Faces in the Wild 的基准水平来说，达到了99.38%的准确率。 dlib： http://dlib.net/ 数据测试库Labeled Faces in the Wild：http://vis-www.cs.umass.edu/lfw/ 模型提供了一个简单的 face_recognition 命令行工具让用户通过命令就能直接使用图片文件夹进行人脸识别操作。 注意 ：不管你是为了Python就业还是兴趣爱好，记住：项目开发经验永远是核心，如果你没有2020最新python入门到高级实战视频教程，可以去小编的Python交流.裙 ：七衣衣九七七巴而五（数字的谐音）转换下可以找到了，里面很多新python教程项目，还可以跟老司机交流讨教！ 特征 在图片中捕捉人脸 在一张图片中捕捉到所有的人脸 找到并处理图片中人脸的特征 找到每个人眼睛、鼻子、嘴巴和下巴的位置和轮廓。 import face_recognition image = face_recognition.load_image_file("your_file.jpg") face_locations = face_recognition.face_locations(image) 捕捉脸部特征有很重要的用途

引言 随着圣诞的到来，大家纷纷@官方微信给自己的头像加上一顶圣诞帽。当然这种事情用很多P图软件都可以做到。但是作为一个学习图像处理的技术人，还是觉得我们有必要写一个程序来做这件事情。而且这完全可以作为一个练手的小项目，工作量不大，而且很有意思。 这里要注意： 不管你是为了Python就业还是兴趣爱好，记住：项目开发经验永远是核心，如果你没有2020最新python入门到高级实战视频教程，可以去小编的Python交流.裙 ：七衣衣九七七巴而五（数字的谐音）转换下可以找到了，里面很多新python教程项目，还可以跟老司机交流讨教！ 用到的工具 OpenCV（毕竟我们主要的内容就是OpenCV...） dlib（前一篇文章刚说过，dlib的人脸检测比OpenCV更好用，而且dlib有OpenCV没有的关键点检测。） 用到的语言为Python。但是完全可以改成C++版本，时间有限，就不写了。有兴趣的小伙伴可以拿来练手。 流程 一、素材准备 首先我们需要准备一个圣诞帽的素材，格式最好为PNG，因为PNG的话我们可以直接用Alpha通道作为掩膜使用。我们用到的圣诞帽如下图： 我们通过通道分离可以得到圣诞帽图像的alpha通道。代码如下： r , g , b , a = cv2 . split ( hat_img ) rgb_hat = cv2 . merge (( r , g , b ))

　　大家好，我是痞子衡，是正经搞技术的痞子。今天痞子衡给大家讲的是 嵌入式开发里的source文件 。 　　众所周知，嵌入式开发属于偏底层的开发，主要编程语言是C和汇编。所以本文要讲的source文件主要指的就是c文件和汇编文件。 　　尽管在平常开发中，我们都只会关注自己创建的.c/.h/.s源文件，但实际上我们不知不觉中也跟很多不是我们创建的源文件在打交道，那么问题来了，一个完整的嵌入式工程（以基于ARM Cortex-M控制器的工程为例）到底会包含哪些source文件呢？ 　　现在就到了痞子衡的show time了，痞子衡将这些文件按来源分为五类十种，下面痞子衡按类别逐一分析这些文件： 第一类：Provided by Committee 　　第一类文件由C标准委员会提供，该类文件伴随着标准的发布而逐渐壮大。该类文件主要就是一种，即C标准库。 1. C standard Library 　　大家都知道C语言是有标准的，常见的C标准有ANSI C（C89）、C99、C11，而C标准函数库（C Standard library）就是所有符合C标准的头文件的集合，以及常用的函数库实现程序。C标准库由Committee制订发布，通常会被包含在IDE里。列举一些常见文件和函数如下，是不是觉得似曾相识？ /* 常用文件 */ assert.h，stdio.h，stddef.h，stdint

环境: Python 3.6.4 |Anaconda, Inc.| (default, Jan 16 2018, 10:22:32) [MSC v.1900 64 bit (AMD64)] on win32 Type " help " , " copyright " , " credits " or " license " for more information. 我确实装好了 >>> import face_recognition >>> 第一. 　　装VS,我装的2015版,千万要装VC++模块,否则装了也无法执行.mat文件 第二.　　 　　安装cmake,官网下载安装包：https://cmake.org/download/ ,注意位数. 第三. 　　安装boost,下载：http://www.boost.org/, ,下载到C:\local目录下 　　 　　VS2015开发人员命令提示，可以在这里编Boost,是一个CMD窗口.cd 进入进入之前下载的Boost目录，执行bootstrap.bat 　　再在命令中输入b2 install 　　3）利用b2编译库文件 　　 b2 -a --with-python address-model=64 toolset=msvc runtime-link=static 　　之前你cmake下载的64位这里写64

在github上下载了人脸识别算法face_recognition的源码，但在win10上运行有问题，通过查询资料，终于成功了。下面是在win10系统中对face_recognition的下载和配置步骤的总结。 参考：https://github.com/ageitgey/face_recognition/issues/175 1.首先，你的电脑上需要有一下几个东西： 1.安装了C/C++编译器的Microsoft Visual Studio 2015及以上版本 2.Boost库1.63及以上版本 3.Python2.7及以上版本 4.CMake并且将其添加到系统变量中 添加环境变量教程 *Boost库的安装： 1.下载Boost库，我下载的Boost_1_71_0 下载地址： https://www.boost.org/ 2.下载后解压，双击bootstrap.bat批处理文件，等待运行完毕窗口自动消失，运行完后就会得到以下文件 3.打开终端，定位到boost文件夹下（可直接在boost文件夹中按着shift点击鼠标右键，选择 在此处打开Powershell窗口(s)，效果相同），输入运行命令b2 install 4.安装完成，关闭窗口 2.然后下载以下东西： 1.face_recognition,来源： https://github.com/ageitgey/face