stasm 基于ASM算法的人脸特征点提取
VC++6.0 + openCV1.0 本人亲测是好用的。运行时带上参数
可以实现人脸68个特征点的提取
2022-03-13 09:22:51
9.62MB
1
face_login
利用facenet实现检测图片中的人脸，将识别到的人脸向量存入数据库，此外利用post提交一个新图片（也可以提交一个图片地址，参考face_recognition_api.py文件中get_url_imgae函数自行修改），返回数据库中相似的人脸的信息
算法主要分为2个步骤
1.提取图片中的人脸 ，并保存到临时目录中
2.将人脸图片转换为128维的向量 ，便于后续求人脸相似度
项目主要分为3个步骤
1.提交post请求，将uid ugroup pic提交，进行人脸信息保存操作
2.收到请求后将pic进行处理解析为128维向量保存，并跟uid和ugroup保存入库 ，返回数据库插入成功的id
3.提交post请求，将ugroup pic提交人脸查询请求，意思为再ugroup中查看与图片pic相似的人脸
4.收到请求后，处理图片解析图片中所有的人脸，进行按库查询，然后与该
2022-03-01 23:04:34
3.32MB
1
基于可见光谱人脸识别技术的效率和精度受光照、姿态、遮挡、表情变化和照片欺诈等因素的影响较大, 尤其是夜视环境下的人脸识别难题亟待解决。为此, 提出了一种基于热红外光谱的人脸特征提取算法。对热红外人脸图像进行数据建模获取极大化数据模型, 估计并调整混合模型参数到高斯混合模型; 提取热红外高斯混合人脸图像的等温特征, 实现热特征图像的重建; 最后通过计算概率邻近指数来度量个体间的相似度, 给出识别结果。UCHThermalFace数据库的实验结果表明：该方法应对夜视环境下的多姿态、特征变化、随机遮挡和眼部噪声样本具有较高的识别精度和稳健性, 极大地提高了人脸识别系统夜视环境下的抗干扰能力。
2021-12-27 12:34:48
5.23MB
1
dlib人脸特征库分类器，81个点 包含使用代码，通过摄像头识别人脸
import cv2
import dlib
from skimage import io
import numpy as np
# 使用特征提取器get_frontal_face_detector
detector = dlib.get_frontal_face_detector()
# dlib的68点模型，使用作者训练好的特征预测器
predictor = dlib.shape_predictor("shape_predictor_81_face_landmarks.dat")
cap=cv2.VideoCapture(0)
while True:
ret,img=cap.read()
dets = detector(img, 1)
for k, d in enumerate(dets):
print("第", k+1, "个人脸d的坐标：",
"left:", d.left(),
"right:", d.right(),
"top:", d.top(),
"bottom:", d.bottom())
width = d.right() - d.left()
heigth = d.bottom() - d.top()
print('人脸面积为：',(width*heigth))
# 利用预测器预测
#shape = predictor(img, d)
cv2.rectangle(img,(d.left(),d.top()),(d.right(),d.bottom()),(0,255,0),1)
shape = predictor(img, d)
landmarks = np.matrix([[p.x, p.y] for p in shape.parts()])
for num in range(shape.num_parts):
cv2.circle(img, (shape.parts()[num].x, shape.parts()[num].y), 3, (0,255,0), -1)
#cv2.putText(img, str(i), (shape.part(i).x, shape.part(i).y), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255))
cv2.imshow("img",img)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
2021-12-15 14:43:40
18.83MB
1