机器人跟随距离估算 该机器人将跟随面部并根据使用计算机视觉的距离估计进行操作，而没有任何传感器需要单摄像头，后者可提供从机器人到PC /笔记本电脑的实时视频 机器人图像 流程图 所需硬件 名称 项目 底盘机器人 1个 直流电动机 4 Arduino的 2个 NRF24L01 2个 L298马达驱动器 1个 电源12伏 1个 RGB LED 1个可选 跳线 40+ 面包板一半（大小） 1或2 所需软件 Arduino IDE NRF库----> Python模块 Opencv的Opencv用于图像处理 皮塞里亚尔Pyserial允许我们在python（软件）和Arduino（硬件）之间进行通信 Iriun网络摄像头 它将为我们将智能手机转换为无线相机 下载适用于Windows Linux和Mac的软件： : 我的Iriun网络摄像头链接教程： : //youtu.be/

NABirds 使用关键点组织NABirds数据集并为鸟脸构造边界框标签。 然后将它们用于训练用于鸟类身体和面部检测的深层模型。 应用程序： 人脸数据集 NABirds包含48562只鸟类，包围盒和11个身体部位，以及物种识别 选择了46824个，〜1700个面部特征不好或太小 约334个标签错误的零件或错误的边界框已得到纠正更有可能被忽视 从这些图像中构造了脸部BB。 使用与头部相关的5个身体部位（x，y） 钞票，冠，项颈，左眼和右眼 这些x，y用于确定朝向或方向 考虑了10个方向 例如面对左，右，下，上，上，下，朝着相机，身体其他部位上方或下方的部位 以及缺少的部分，没有冠或项，一只眼睛或两只眼睛 身体部位距离的比率，用于确定盒子周围零件的额外空间 帮助防止BB变成脸部横截面 图像尺寸已考虑在内，以防止扩展到 测试所有BB的错误，并从每张图像中裁剪以确认大小正确 这些图像被分为

保留身份的条件生成对抗网络的面Kong老化 该存储库是的人的官方开放源代码，由宗宗望， ，罗维新和高 。 它是在tensorflow中实现的。 请按照说明运行代码。 ！[scalars_framework] 1.安装 安装python的第3个程序包依赖项（在requirements.txt中列出） tensorflow-gpu==1.4.1 scipy==1.0.0 opencv-python==3.3.0.10 numpy==1.11.0 Pillow==5.1.0 pip install -r requirements.txt 其他图书馆 CUDA 8.0 Cudnn 6.0 2.下载数据集 我们使用跨年龄名人数据集进行培训和评估。 有关此数据集的更多详细信息，请参考（ ）。 经过面部检测，对齐和中心裁剪后，我们将图像分为5个年龄段：11-20、21-30、31

人脸检测进阶：更快的5点面部标志检测器，详见文章：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/121754844?spm=1001.2014.3001.5501

面部拨筋手法-3页.pdf

面部表情疼痛量表.pdf

面部话术(20211011224618)-10页.pdf

FER 基于FER2013 Kaggle数据集的面部表情识别模型。 当前模型可实现约67％的精度。 在添加更多训练数据集以提高概括能力的过程中。 对模型体系结构进行一些调整可能会提高准确性。

对峙 对面部识别进行物理对抗攻击的步骤 在应用蒙版之后，将左侧的输入图像检测为右侧的目标图像。 安装 创建一个虚拟环境 conda create -n facial pip 克隆仓库 git clone https://github.com/392781/Face-Off.git 安装所需的库 pip install -r requirements.txt 导入和使用！ from adversarial_face_recognition import * ` 有关培训说明，请查看以开始少于30行。 用法 该库的目的是再次制造对抗攻击，再用FaceNet人脸识别器。 这是初步的工作，目的是使用一个可以戴在脸上的面具来产生更强壮的物理攻击。 当前管道由对齐的输入图像和计算出的蒙版组成。 然后使用dlib定向梯度检测器直方图将其输入到面部检测器中，以测试是否仍检测到面部。 然后将其传