人脸识别

TSINGSEE青犀视频平台EasyCVR内，已经能够通过国标GB28181协议实现语音对讲功能，在大华SDK的研发方面，也开发了该功能，本文和大家分享下。 EasyCVR语音对讲主要用于实现本地平台与前端设备所处环境间的语音交互，解决本地平台需要与现场环境语音交流的需求。 调用流程图： 流程说明： 完成SDK初始化流程。 初始化成功后，调用 CLIENT_LoginEx2 登录设备。 调用 CLIENT_SetDeviceMode 参数 emType 为 DH_TALK_SERVER_MODE 将对讲模式设置为服务器对讲模式。 调用 CLIENT_SetDeviceMode 参数 emType 为 DH_TALK_ENCODE_TYPE，设置语音对讲编码信息。 调用 CLIENT_SetDeviceMode 参数 emType 为 DH_TALK_SPEAK_PARAM，设置语音对讲参数。 调用CLIENT_SetDeviceMode 参数emType为DH_TALK_TRANSFER_MODE，设置语音对讲转发模式。非转发模式，即本地PC与登录的设备之间实现语音对讲；转发模式，即本地PC与登录设备相应通道上连接的前端设备之间实现语音对讲。 调用 CLIENT_StartTalkEx，设置回调函数并开始语音对讲。在回调函数中，对于设备发过来的音频数据，用户自行处理

我们先来看看效果 上面是根据图片检测出其中的人脸、每个人脸的年龄还有性别，非常强大 第一步： 登录 https://ai.arcsoft.com.cn/ ，注册开发者账号，身份认证，注册应用，得到APPID和SDKKEY 第二步： 阅读SDK接入文档 https://ai.arcsoft.com.cn/manual/arcface_android_guideV2.html 其中重要的是下面 Step1：调用FaceEngine的active方法激活设备，一个设备安装后仅需激活一次，卸载重新安装后需要重新激活。 Step2：调用FaceEngine的init方法初始化SDK，初始化成功后才能进一步使用SDK的功能。 Step3：调用FaceEngine的detectFaces方法进行图像数据或预览数据的人脸检测，若检测成功，则可得到一个人脸列表。（初始化时combineMask需要ASF_FACE_DETECT） Step4：调用FaceEngine的extractFaceFeature方法可对图像中指定的人脸进行特征提取。（初始化时combineMask需要ASF_FACE_RECOGNITION） Step5：调用FaceEngine的compareFaceFeature方法可对传入的两个人脸特征进行比对，获取相似度。（初始化时combineMask需要ASF_FACE

人脸识别(基于Caffe, 来自tyd) 人脸识别(判断是否为人脸) LMDB(数据库, 为Caffe支持的 分类 数据源) mkdir face_detect cd face_detect mkdir train val mkdir train/{0,1} mkdir val/{0,1} 将人脸数据放到 train/1 和 val/1 下 将非人脸数据放到 val/0 和 val/0 下 vim train.txt 0/xxx.jpg 0 1/xxx.jpg 1 vim val.txt 1/xxx.jpg 1 0/xxx.jpg 0 拷贝Caffe自带的脚本根据上面的train.txt和val.txt制作LMDB数据源, 名为 face_detect_lmdb.sh # 修改部分 EXAMPLE=/home/jh/face_detect DATA=/home/jh/face_detect TOOLS=caffe安装目录/build/tools TRAIN_DATA_ROOT=/home/jh/face_detect/train/ VAL_DATA_ROOT=/home/jh/face_detect/val/ # 对输入的数据进行大小的调整, 大小的调整是要根据我们要使用的网络模型, 比如AlexNet或者VGG(速度慢)为227x227 RESIZE=true if

—简介—— 脸部建模一直是计算机图像和视觉领域的热门话题，每个人脸模型的网格顶点个数各不相同，也就是拓扑结构不同。因此我们需要对我们的训练数据，做一个归一化处理。这里以世纪晟科技构建的一个快速的、交互的、基于深度学习的人脸建模框架为基础，展示级联形状回归模型在特征点定位任务上取得了重大突破。 ——级联线性回归模型—— 近来，级联形状回归模型在特征点定位任务上取得了重大突破，该方法使用回归模型，直接学习从人脸表观到人脸形状（或者人脸形状模型的参数）的映射函数，进而建立从表观到形状的对应关系。 面部特征点定位问题可以看作是学习一个回归函数F，以图象I作为输入，输出θ为特征点的位置（人脸形状）：θ = F（I） 简单的说，级联回归模型可以统一为以下框架：学习多个回归函数{f1 ,…, fn-1, fn}来逼近函数F： θ = F（I）= fn (fn-1 (…f1(θ0, I) ,I) , I) θi= fi (θi-1, I), i=1,…,n 所谓的级联，即当前函数fi的输入依赖于上一级函数fi-1的输出θi-1，而每一个fi的学习目标都是逼近特征点的真实位置θ，θ0为初始形状。通常情况，fi不是直接回归真实位置θ，而回归当前形状θi-1与真实位置θ之间的差：Δθi = θ - θi-1 ——典型的形状回归方法—— 如下图所示，给定初始形状θ0，通常为平均形状

本文作者 ： ML03 -Jeff - 产品/设计/运营/人工智能/物理 相关文章推荐： 智能时代之前，我们一直在量化世界-01 机器解读知识，从海量的知识中抽取出「元知识」-02 一道关于知识的公式 -03 AI把机器变成人，还是把人变成机器 今天我们聊聊AI经济学，经济学在大学里面无非是研究人类经济活动的规律，那么经济的本质是解释人类资源如何配置和优化，往往通俗方式会把经济学分为宏观和微观2个视角，但是经济学鼻祖亚当斯密的《国富论》思想推动了英国第一次工业革命的发展。 经济学往往会聊商品、价格、市场规律等。 传统以基础的角度去研究计算人类资源的配置和优化，但是 今天在AI的世界中我们应该如何探索呢？ 01 廉价改变一切，从劳动力转向脑动力 产品的廉价会导致市场原有的规律被打破，一旦打破就会改变一切。 拿手机来举例子，如果一个手机成本是我们人均收入的5倍那么手机带来的社会变革就会很小，但是当有一天一家公司或者多家公司把手机价格降低到人均收入的五分之一时候，市场就会发生巨大变化，然而移动互联网的发展本质上源于智能手机的相对廉价。那么导致廉价的本身一方面源于材料成本降低还有就是劳动力低成本。 什么是劳动力和脑动力？ 我们要从人类文明进程来说明，在工业革命发展之前我们所有的社会经济活动都主要依靠劳动力（人口优势），然而工业革命的发展在降低劳动力优势转向脑动力优质。

最近 阿里云 人工智能ET写春联的事儿占据了各大媒体和朋友圈，我只想说阿里的程序员好有范儿啊，过年都不消停；大家都在说我们已经看到的，例如ET在跟体验者互动、好多的围观群众、机械臂在刷刷的奋笔疾书…今天我就为各位说说你们没看到的， 在此，特别为看官们准备了两种解读方式，视频（火热出炉强烈推荐）和文字版； 阿里云 ET视频： 文字解读： 此次ET写春联活动中，为了针对每个体验者个性化定制春联，ET用到了三部分的能力： 智能语音交互－ 语音识别功能能够将用户说的声音识别成文本，而通过自然语言理解、人机对话，使得ET不仅可以听，还能够理解用户说的话，进而给出反馈。最后，用语音合成功能，将ET反馈的文本变成人声播出来。 人脸识别－ 对于体验者，人脸分析模块迅速定位人脸，并进行面部分析，从而给出对用户性别、年龄、表情的分析结果。 机器学习PAI－ ET调用了机器学习PAI的文本分析相关的功能，针对前期的人脸识别结果和每位体验者的愿望进行分词、提取关键词，再通过关键词与春联数据库中的海量春联数据集比较，选择词向量距离最近的春联返回；可以找出最符合用户愿望的春联。 除了写春联，ET还可以做更多的事情哦，快来了解吧：https://et.aliyun.com/index 来源： oschina 链接： https://my.oschina.net/u/4562984/blog/4952951

前阵子网上看到有人写爬取妹子图的派森代码，于是乎我也想写一个教程，确切地说我也想看妹子，哈哈哈，开个玩笑,不过很多教程都是调用的第三方模块，今天就给大家开开荤，使用原生库来爬，并且扩展实现了图片鉴定，图片去重等操作，经过了爬站验证，稳如老狗，我已经爬了几万张了,只要你硬盘够大。 作者忠告：我们是研究技术的，请勿沉迷，沉迷伤身，营养跟不上 O(∩_∩)O~ 今天就来个最简单的吧，网站走起 https://www.meitulu.com/ 先分析页面结构，图片URL每次递增，从第二个开始。 前端，被一个 img标签包起来 <img src="https://mtl.gzhuibei.com/images/img/10431/5.jpg" alt= 直接正则匹配 先来生成页面链接，代码如下 # 传入参数,对页面进行拼接并返回列表 def SplicingPage(page,start,end): url = [] for each in range(start,end): temporary = page.format(each) url.append(temporary) return url 接着使用内置库爬行 # 通过内置库,获取到页面的URL源代码 def GetPageURL(page): head = GetUserAgent(page) req = request

项目需求：某市级组织考试，在考试前需审核考生采集表中的考生照片是否合格，由于要审核的考生信息采集表有很多，原先进行的是手动人工审核，比较费时费力，审核的要求也很简单，并不判断考生是否是图片本人（身份验证有另外一套程序来进行），只是看考生采集表中考生头像是否是人脸（是否存在辨识不清楚，不是人脸）。因此提出需求，看是否能用程序来检测考生信息采集表中的照片，只需找出来疑似不是人脸的考生所在文档位置（pdf文档）即可，存疑的考生再由人工进行审核。 PDF文档中有很多页，每一页都是如图中的结构。 经过百度摸索，采用了C#+WPF+Spire.PDF+Emgu CV+MvvmLight来进行人脸判断的技术选型。 Emgu CV(https://sourceforge.net/projects/emgucv/files/emgucv/)是.NET平台下对OpenCV图像处理库的封装，也就是.NET版的 OpenCV的全称是：Open Source Computer Vision Library。OpenCV是一个基于（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。Emgu CV官方带的有训练过的人脸识别模板，可以直接使用。 Spire.PDF可以来读取PDF文档，同时可以读取到PDF文档中的图片。

本篇承接上篇内容，如果你不小心点击进来，建议从第一篇开始完整阅读，文章内容继承性连贯性。 构建NetCore应用框架之实战篇系列 一、BitAdminCore功能规划 如何选择框架的落地功能，前篇文章已经说明了一些原则，本篇文章大致说明按照这样的原则选择的结果。 基于定位，我们是一个后台管理框架，对于一个后台管理框架，我们横向去看不同的项目，就会发现，不同功能有不同项目使用比例。 100%需要使用的功能 登录页及登录 首页及布局个人信息 菜单加载及权限 组织管理及用户管理 角色及权限管理 日志记录 二、登录页及登录 1、管理应用都要求用户必须经过登录 2、最基本的登录方式是用户名密码，提升安全性增加随机码（1.0版本提供） 3、公网或互联网项目部分会增加手机短信登录，因为我们客户是短信免费的运营商所以。。。（1.0版本提供） 4、当前最时髦的就是人脸识别了，可以考虑（后续版本提供） 三、首页及布局个人信息 1、登录之后当然是首页，至于首页放啥那是项目的事 2、管理系统重功能轻布局，使用大家最习惯的左菜单，顶logo就可以了（1.0版本提供） 3、顶部右边至少有个用户名，点击可以看到更多信息（1.0版本提供） 四、菜单加载及权限 1、菜单是用户可以使用的功能入口列表，是用户最先认识系统的部分 2、管理系统中用户的功能都需要通过管理员进行授权才能显示（1.0版本提供） 五

对于化工行业来说，安全是提升生产效率的基本前提。近几年，我国的化工企业因为发生安全事故而造成人员伤亡的数目每年达到上千人，而这些工伤事故所造成的经济损失和人员伤亡损失达到了上亿元。 据不完全统计，2018年1月~7月，全国化工厂发生事故65起，死亡101人；仅7月就发生安全事故6起，死亡31人。 其中，伤亡比较严重的安全事故有：7月5日，山东鲁鑫工贸有限公司发生硫酸二甲酯泄露中毒事故，导致1死4伤，是因为突发泄露未及时报警、事故响应不及时造成的 ；7月12日，四川宜宾恒达科技有限公司二车间二层发生爆炸，造成19起12伤，是因为违法生产，对设备检测不到位、车间严重超员造成的... 一、为何化工厂容易出现安全事故？ 化工厂事故频发，难道都是因为化工厂人员安全管理不够科学、规范吗？事实上，并非如此！化工厂十分重视安全问题，并为之投入了大量的人力、物力。 据了解，化工厂会对危险源进行两级巡检，生产车间对所有设备进行巡检之后，安全部门会对重大危险源进行再次巡检，以此来确保设备、作业环境的安全。 化工厂巡检表 除此之外，化工企业还在车间设置了气体浓度两级预警信号。报警等级的设计，主要考虑的是报警事件的严重程度，便于工作人员采取不同的应急措施，比如报警等级比较低时，需要车间对某些重要设备采用应急保护措施；而在等级比较高时，就需要安全部门介入，紧急撤离工作人员。 由此可见，化工厂在事故预防