人臉識別主要有四個研究方向,分別為人臉檢測,人臉關鍵點檢測,人臉比對和人臉屬性檢測.
人臉檢測即檢測並定位採集中人臉的位置,大小和姿態.(返回高精度的人臉框框座標).
研究難點:
人臉關鍵點檢測即在目標中定位出人臉面部的關鍵區域位置,包括眉毛,眼睛,鼻子,嘴巴和臉部輪廓.關鍵點檢測點數有68點和106點兩類.演算法分為三類: 類別
演算法基於模型
基於級聯回歸
cpr(cascaded pose regression)
基於深度學習
dcnn(deep convolutional nerual network),tcdcn(tasks-constrained deep convolutional networks),mtcnn(multi-task convolutinal neural networks),tcnn(tweaked convlutional neraual networks),dan(deep alignment networks)
人臉驗證即分析兩張中的臉屬於乙個人的可能性大小.輸入兩張人臉影象,輸出置信度分數和相應的閾值,評估兩張人臉相似度.
人臉對比的指標
人臉屬性檢測包括表情(高興,正常,生氣,憤怒),年齡(年齡段),性別和種族(膚色),是否有鬍鬚,是否戴眼鏡等.
基於SVM的人臉識別分類
from future import print function future 模組，把下乙個新版本的特性匯入到當前版本，於是我們就可以在當前版本中測試一些新版本的特性 我的python版本是3.6.4.所以不需要這個 from time import time 對程式執行時間計時用的 impor...
人臉識別的LOSS（多分類Softamx）
早期深度人臉識別方法，框架為cnn softmax，以 超多分類 這樣一種比較難的任務訓練cnn，強迫網路在第乙個fc層形成比較緊湊的，判別力很強的深度人臉特徵，之後用於人臉識別。softmax是soft 軟化 的max。在cnn的分類問題中，我們的ground truth是one hot形式，下面...
opencv學習筆記 自己訓練人臉識別分類器
在使用opencv自帶的分類器haarcascade frontalface alt.xml進行人臉識別的基礎認識後，決定自己訓練乙個分類器看一下效果。該過程大致可分為三個階段 樣本採集 分類器訓練和運用訓練好的分類器進行人臉檢測。1 樣本的採集 在訓練前，我們需要進行正樣本及負樣本的採集。負樣本採...