iOS-Swift-ARkitFaceTrackingNose01 Level : Intermediate 在本教程中，您将学习如何使用TrueFepth相机使用AR Face Tracking来跟踪脸部，在跟踪的脸部上叠加图片，甚至根据您创建的面部表情来操纵图像。 本教程使用Xcode 10制作，并针对iOS 12构建。 关于 IOS 12，Swift 4的示例应用程序：几分钟后在菜单中制作幻灯片（SooninSlideInHandler，Swift开放源代码） 做广告-（支持我们:)，并在iOS App以下进行下载和评分。 Learn numbers 0 to 100 in English, French, German, Spanish and Italian. 要求 iOS 12.0以上 Xcode 10.0以上 迅捷4.0+ iPhone X + 用法 您无需下载任何额

利用Haarcascade所建立的脸部特征模型，对OpenCV处理过的帧图像实现脸部检测。之后，根据识别到的区域，来确定所识别到物体的中心点。根据物体的中心点和视频画面的中心点之间的误差，可以确定出转动的方向。最后通过与Arduino互联完成舵机的驱动，并实现摄像头对主体脸部的跟踪。

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，

最后更改 新许可证Apache 2.0代替GPLv3 添加了新的参数“批处理大小”-在多个连续帧上同时检测。 它可以在功能强大的GPU上提高处理速度。 适用于Darknet和TensorRT后端，但可能会增加一些延迟 新影片！ 使用YOLO v4进行车速计算（感谢 ） YOLO v4迈向ADAS的第一步 多目标（多个对象）跟踪器 1.可以使用具有不同的detectorType值的功能创建对象检测器： 1.1。 根据背景扣除：内置Vibe（跟踪：: Motion_VIBE），SuBSENSE（跟踪：: Motion_SuBSENSE）和LOBSTER（跟踪：: Motion_LOBSTER）； 来自MOG2（tracking :: Motion_MOG2）； MOG（跟踪:: Motion_MOG），GMG（跟踪:: Motion_GMG），并从CNT（跟踪:: Motion_CNT

这是一款人脸特征点定位的插件，个人感觉比OpenCv要好用而且特征点比较稳定，需求是：虚拟物体定位人脸的可以使用，简单说就是图片(或者其他东西)可以跟随人脸一起动。希望可以帮到你加油。