【V1.0】基于树莓派的OpenCV-Python摄像头人脸追踪系统 文章： https://blog.csdn.net/weixin_53403301/article/details/122898050

基于树莓派4--简单场景下人脸追踪：我们将利用OpenCV完成简易的人脸目标追踪，我们实现了目标追踪功能，每一个识别到的目标都有一个单独的编号，那么就可以利用这个性能搭建一个计数器。比如，如果被要求识别的目标是人脸，我们就可以搭建一个计算人数的计数器。

video-face-3d 人脸工具包大杂烩，主要整合了近年来的SOTA的一些方法，包括视频人脸追踪，68关键点检测，三维人脸3DMM参数标注，shape-from-shading等 依赖 pytorch 0.4.1以上 tensorflow 1.0 以上 neural_renderer_pytorch 安装 安装本代码前请先确保安装了pytorch,tensorflow以及neural_renderer_pytorch neural_renderer_pytorch安装说明 如果你是Linux或者Mac用户，请直接pip install neural_renderer_pytorch 如果你是Windows10用户，请参考 进行安装 下载本代码依赖的静态资源文件，解压到/VideoFace3D/data，下载链接，密码 rle5 推荐使用develop模式安装代码 python se

精准快速的人脸定位和追踪技术。

Jetson Nano 配合CSI摄像头和微雪云台Pan-tilt实现人脸追踪和人眼追踪。原理是通过将人脸中心坐标始终置于画面中心，如果坐标偏移超出阈值则输出云台旋转指令，改变摄像头位姿，从而达到跟踪人脸和人眼的目标。

使用OpenCvSharp操作摄像头，用虹软算法实现人脸追踪，内有编译好的程序，可以直接运行

基于STM32F407和星瞳openMV的人脸追踪，通过32控制两个舵机运动实现摄像头的运动，openMV实时检测识别人脸

通过KLT Algorithm可以实现对视频中人脸的定位与追踪，效果良好

基于opencv，在追踪人脸的基础上自动在人脸上打上马赛克

基于模型跟踪的方法就是获取目标的先验知识，建立低价参数模型，对输入的每一帧图象通过滑动窗口进行模型匹配，实现人脸识别与跟踪。常见的跟踪模型有:肤色模型、椭圆模型、纹理模型及双眼模板等。 基于肤色模型的跟踪方法就是利用恰当的表色系统，把肤色作为实现人脸跟踪的关键信息。由于肤色信息具有对放大和缩小以及对微小变形不敏感的优点，加上人脸相对镜头的变化对肤色信息本身的影响不大，该类方法很容易在前一帧图象分析结果的基础上跟踪到后一帧图象的人脸区域，因此具有速度快、姿态不变性等特点。目前的人脸跟踪技术大都采用基于肤色模型的方法。