mediapipe-python-sample 示例Python包。 自2021/03/03起，以下6种具有Python实现的功能均可用。 要求 mediapipe 0.8.3或更高版本 OpenCV 3.4.2或更高版本 可以使用pip安装mediapipe。 pip install mediapipe 演示版 这是运行演示的方法。 面网 python sample_facemesh.py - 设备指定相机设备编号默认值：0 - 宽度拍摄相机时的宽度默认值：960 - 高度拍摄相机时的垂直宽度默认值：540 --max_num_hands检测到的最大手数默认值：1 --min_detection_confidence检测置信度阈值默认值：0.5 --min_tracking_confidence跟踪置信度阈值默认值：0.5 --use_brect是否绘制外接

android 结合 opencv项目（人脸识别）

提取haar特征，使用 adaboost训练级联分类器，实现人脸检测。

很棒的微小物体检测 Tiny Object Detection论文和相关资源的精选清单。 目录 更新 （04/19）： 添加纸张以显示小物体检测的平铺能力 添加文章和视频以解决对象检测中的小对象问题 （03/26）： 添加纸张和代码以学习用于航空图像中目标检测的校准指导 （03/20）： 为ReDet添加纸张和代码：用于航空物体检测的等速旋转检测器 航空图像中目标检测的更新代码：大规模基准测试和挑战 活动 第一次微小物体检测（TOD）挑战来自低质量输入（RLQ）的现实世界识别 8月23日至27日，美国格拉斯哥证券交易委员会 文件 微小物体检测 学习航空影像中目标检测的校准指导[纸] [代码] 梁栋，魏宗琪，张栋，耿启祥，张丽艳，孙涵，周慧宇，魏明强，潘高arXiv 2021 ReDet：用于航空物体检测的等速旋转检测器[纸张] [代码] 韩嘉明，丁建，南雪，夏桂松CVPR 2021

face_gui 项目介绍 该项目能够从给定的正面照片中，自动识别脸部区域，并对图像前景进行提取分割，然后替换背景，并按照证件照的规格进行规范化处理。一共由5个模块组成： 1. 头部局部照识别与截取模块设计 利用Vahid Kazemi 和 Josephine Sullivan提出的基于gradient boosting的回归树算法检测面部的68个关键点位置. 2. 图像前景分割 利用opencv中的grabcut方法对人脸周围区域进行分割，将人头和衣服等前景分离出来. 3. 证件照规范化 按照规格进行图片处理:分辨率：361×381，分辨率96dpi，位深度24，大小30k左右. 4. 背景替换 根据图片的背景颜色特征进行替换背景（蓝-红-白），如蓝背景变为红背景：将BGR图像转为HSV图像，蓝颜色H通道在78和110之间，然后转换通道将这些像素替换为(0，0，255)即可。 5. 界面

人脸识别Python项目源代码

Sliding-Window-Face-Detection-Based-on-HOG-features-and-SVM-Classifier Update: data数据百度网盘 链接： 提取码：0amu 复制这段内容后打开百度网盘手机App，操作更方便哦--来自百度网盘超级会员V4的分享 Update: vlfeat库 链接： 提取码：p31i 复制这段内容后打开百度网盘手机App，操作更方便哦--来自百度网盘超级会员V4的分享 注意： 进行该实验前需要安装vlfeat库，安装方法为： a）下载 VLFeat 的安装包在其解压到任意目录下。 b）在 matlab 中新建 startup.m 文件 c）在 startup.m 文件中输入 run('......\vlfeat-0.9.21\toolbox\vl_setup')并运行，即可安装 d）在 matlab 命令行中输入 vl_ver

Face Tracking Pan-Tilt Camera 目录 一. 概述 本项目为基于OpenCV-Python和STM32F103单片机的二自由度人脸跟踪舵机云台系统。 本系统的预期功能是实时检测摄像头中出现的人脸，并对其进行跟踪。要实现该功能，主要应解决如下问题： 图像采集 人脸检测 舵机控制 具体实现思路如下： 图像采集方面，使用普通的usb摄像头，这样可以直接得到数字图像无需进行数模转换，而且价格低廉，在不要求高精度的情况下比较适合。将usb摄像头直接通过usb数据线接到电脑，即可在PC端得到实时图像。 人脸检测方面，在PC端编写用于人脸检测的python程序。使用opencv库，首先对从摄像头得到的每一帧实时图像进行预处理，然后调用opencv自带的harr分类器检测人脸的位置。将检测到的人脸的中心点坐标用串口发送给STM32单片机即可。 舵机控制方面，使用STM32单片机，

MATLAB典型代码 （示例面部检测结果来自anXDdd。） 项目4：带有滑动窗口的人脸检测 简短的 截止时间： 1月1日，晚上11:59。 所需文件：results / index.md和代码/ VL Feat Matlab参考： 先决条件 安装tqdm： conda install -c conda-forge tqdm 概述 滑动窗口模型在概念上很简单：将所有图像块独立地分类为对象或非对象。 滑动窗口分类是对象检测的主要范例，特别是对于一个对象类别-面Kong-它是计算机视觉最引人注目的成功之一。 例如，现代相机和照片整理工具具有出色的人脸检测功能。 这些成功的面部检测（通常是对象检测）可以追溯到有影响的工作，例如和。 您可以查看这些文件，以获取有关如何实现检测器的建议。 但是，对于该项目，您将实现的更简单（但仍然非常有效！）的滑动窗口检测器。 Dalal-Triggs不仅着重于学习，还更着重于表示，并介绍了类似于SIFT的梯度直方图（HoG）表示（如右图所示）。 因为您已经实现了SIFT描述符，所以不会要求您实现HoG。 但是，您将负责其余的检测管道-处理异构训练和测试数据，训

视网膜检测物体检测器 介绍 RetinaDetector是基于RetinaFace修改过的检测方法的，原论文是一种实用的单级面部检测器，最初在 数据 如下组织数据集目录： data/retinaface/ train/ images/ label.txt val/ images/ label.txt test/ images/ label.txt 安装 安装具有GPU支持的MXNet。 如果使用基于DCN的主干，请从安装 Convolution V2运算符。 键入make来构建cxx工具。 训练 请检查train.py进行培训。 将rcnn/sample_config.py复制到rcnn/config.py 为了获得更好的训练效果，可针对性的修改一些参数，如下： config.TRA