matlab开发-特征点图像关键点提取。在图像中查找、匹配和打印特征点。

自己下载的，仅供大家参考

手部21类关键点数据集，已标注，内附百度网盘下载地址。

杨小军, 杨兴炜, 曾 峦, 刘文予. 基于轮廓关键点集的形状分类[J]. 南京大学学报(自然科学版), 2010, 46(1): 47-55. [.pdf ], [MATLAB code] 形状分析是计算机视觉领域的经典问题,目前已有大量关于形状分类问题的研究.但是,当处理大的非线性失真、特别是结构上或者关联上的失真时,许多形状分类方法往往无能为力.提出一种利用轮廓关键点集(contour critical point sets,CCPS)进行形状分类的新方法.轮廓关键点的特征用其inner-distance形状上下文(IDSC)表征.关键点的inner-distance形状上下文不仅表征形状的局部特征,也反映其全局特征,这种局部点的全局特征信息对遮挡、非线性失真等有良好的鲁棒性.巧妙地构造关键点的特征向量后,对形状轮廓关键点集、形状类、和全体形状样本建模,进行三级的贝叶斯分类.形状类模型使得可以利用同一类中的不同样本的不同关键点对输入形状进行识别.实验结果表明,这种基于视觉部分的全局特征,三级的贝叶斯分类方法对非线性失真、类内变异、结构变化、遮挡等具有良好的鲁棒性.文中的方法在Kimia形状数据库上达到100%的分类精度,并且分类所有108个测试形状仅需要8s,是目前已知最好的分类性能.在广泛使用的MPEG-7形状数据库上,也能达到满意的分类结果.

1. 训练和测试数据集 2. 训练和测试代码（支持的backbone包括resent,mobilenet,shufflenet等） 3. 测试结果和演示图像

人脸关键点数据集WFLW包含了10000张脸，其中7500用于训练，2500张用于测试，共98个关键点。除了关键点之外，还有遮挡，姿态，妆容，光照， 模糊和表情等信息的标注。

人体骨骼关键点对于描述人体姿态，预测人体行为至关重要。因此人体骨骼关键点检测是诸多计算机视觉任务的基础，例如动作分类，异常行为检测，以及自动驾驶等等。近年来，随着深度学习技术的发展，人体骨骼关键点检测效果不断提升，已经开始广泛应用于计算机视觉的相关领域。本文主要介绍2D人体骨骼关键点的基本概念和相关算法，其中算法部分着重介绍基于深度学习的人体骨骼关键点检测算法的两个方向，即自上而下（Top-Down）的检测方法和自下而上（Bottom-Up）的检测方法。

构建类型 Linux MacOS Windows 建立状态 代表了第一个实时多人系统，该系统可以在单个图像上联合检测人体，手，面部和脚的关键点（总共135个关键点） 。 它由 ， ， ， ， ， 和 。 这是维护和 。 没有 OpenPose是不可能的。 我们还要感谢。 作者（左）和（右）在前面 内容 结果 全身（身体，脚，脸和手）二维姿势估计 测试OpenPose ：（左）视频序列中的 。 （中右）作者和测试脸和手 全身3D姿势重建和估计 测试OpenPose 3D模块 Unity插件 和测试 运行时分析 我们展示了3个可用的姿势估计库（相同的硬件和条件）之间的推理时间比较：OpenPose，Alpha-Pose（快速Pytorch版本）和Mask R-CNN。 OpenPose运行时是恒定的，而Alpha-Pose和Mask R-CNN的运行时随人数线性增长。 更多细节。 产品特点 主要功能： 二维实时多人关键点检测： 15、18或25个关键点的身体/脚关键点估计，包括6个脚关键点。 运行时不依赖于检测到的人数。 2x21-keypoint手关

如题，最新版的unity人脸关键点检测插件，值得拥有。 unity Dlib FaceLandmark Detector 1.2.8最新版插件，支持人脸关键点检测 unity Dlib FaceLandmark Detector 1.2.8最新版插件，支持人脸关键点检测

2020房地产各阶段关键点税务处理解析.pdf