主要介绍了Python+OpenCV使用摄像头追踪人脸面部血液变化实现脉搏评估,本文通过一段代码给大家介绍的非常详细，具有一定的参考借鉴价值，需要的朋友可以参考下
2021-09-05 20:21:24
202KB
1
情绪识别
该存储库的目的是通过深度学习探索面部表情识别
环境：
python 2.7
pytorch 0.3.0
GTX 1080
楷模：
VGG Face微调可用于基于图像的表情识别
VGG + GRU用于基于视频的表情识别
Resnet + GRU用于基于视频的表情识别
型号详情：
VGG Face
我们使用进行微调，使用FER2013数据集进行分类。 首先，我们通过将caffe模型转换为Pytorch模型，我们提供了转换后的。FER2013数据库包含35889张图像：用于培训的28709张图像，用于公共测试的3589张图像，以及用于私人测试的3589张图像。 我们使用训练数据和公共测试数据进行训练，并使用私人测试数据评估模型性能。 在这里，我们提供已
用法：
首先下载FER2013数据集（需要解压缩）和pytorch模型（VGG_Face_torch
2021-09-02 20:00:37
24KB
1
基于 Python 的运动脉搏率检测
尝试使用 Python、Scikit-Learn、OpenCV、Numpy 和 Scikit-Learn 实现
2021-08-26 11:13:57
7.97MB
1
对应博客详解
https://blog.csdn.net/huqinweI987/article/details/87884341
2021-08-22 18:29:10
63.73MB
1
Caffe面部检测模型，包含res10_300x300_ssd_iter_140000.caffemodel，deploy.prototxt
2021-08-16 15:41:35
9.57MB
1
针对复杂环境下运动物体的表面温度测量，实现了一种基于热红外图像与可见光图像相结合的
物体表面温度检测方法。首先在可见光图像下检测运动物体的感兴趣区域，在仿射变换的基础上实现
一种修正方法实现图像的精确配准，实时地将可见光图像的感兴趣区域映射到热红外图像上。然后对
热红外图像进行图像运算，最终获取运动物体特定区域的温度。以行人的人脸为研究对象，实验结果
表明，对非正面、轻微遮挡的人脸有较高的准确率，并且能快速地检测特定运动对象的表面温度，该
方法测量误差在 0.2℃内
2021-08-16 13:31:48
689KB
1
该课题为基于面部的人数统计系统，在MATLAB平台，带有GUI界面。实时分割出人脸，并且计数，将分割到的人脸进行单独地显示出来。可识别戴口罩，也可以识别非戴口罩。还可以二次开发成口罩识别系统，尤其是20年疫情情况下，结合该时代背景，是一个很不错，有创新的选题。
2021-08-15 18:08:43
1.64MB
1