人臉檢測實現

2021-09-13 13:30:22 字數 1608 閱讀 6256

使用的是谷歌人臉識別系統facenet裡面的mtcnn人臉檢測部分，這部分可用於人臉檢測和人臉對齊，輸出160×160大小的影象

解壓後放在tensorflow的資料夾下

開啟requirements.txt，我們可以看到我們需要安裝以下依賴

tensorflow==1.7

scipy

scikit-learn

opencv-python

h5py

matplotlib

pillow

requests

psutil

開啟anaconda prompt控制台，啟用tensorflow環境：activate tensorflow，然後使用conda install或者pip3 install安裝上面這些包

更新sklearn至最新版本

pip3 install –u scikit-learn
在自己電腦對應的anaconda\lib\site-packages目錄下和anaconda\enve\tensorflow\lib\site-packages目錄下，新建facenet資料夾，然後，將facenet-master\src目錄下的全部檔案複製到上面新建的facenet資料夾內；

在anaconda prompt中執行python，輸入import facenet，不報錯即可

設定環境變數，在計算機–>屬性–>高階系統設定–>環境變數 中,新建pythonpath，鍵入

d:…\anaconda\enve\tensorflow\lib\site-packages\facenet

使用mtcnn網路進行人臉檢測和對齊，並縮放到160×160。

mtcnn的實現主要在資料夾facenet/src/align中，資料夾的內容如下：

開啟anaconda prompt切換到facenet目錄，

輸入如下命令進行校準：

python align\align_dataset_mtcnn.py --help
再執行如下命令：

python align\align_dataset_mtcnn.py d:\anaconda\envs\tensorflow\facenet\datasets\lfw\raw d:\anaconda\envs\tensorflow\facenet\datasets\lfw_160 --image_size 160 --margin 32 --random_order --gpu_memory_fraction 0.25
引數–image_size 160 --margin 32的含義是在mtcnn檢測得到的人臉框的基礎上縮小32畫素(訓練時使用的資料偏大)，並縮放到160×160大小，因此最後得到的對齊後的影象都是160×160畫素的，這樣的話，就成功地從原始影象中檢測並對齊了人臉。

參考：

python opencv 實現人臉檢測

可以用opencv 的庫函式來實現人臉檢測 coding utf 8 import numpy as np import cv2 import time import sys,getopt from video import create capture from common import clo...

MFC opencv實現人臉檢測

先來看看效果圖吧。檢測後的結果將會顯示在資料夾裡。首先，需要配置opencv環境，可以參考這篇文章 windows下opencv 3.4.0 visual studio 2015開發環境的配置 其次，是核心識別庫環境配置，這裡放上另一篇文章，配置步驟寫的很詳細可以參考一下 opencv核心識別庫環境...

OpenNCC入門 實現人臉檢測

在openncc的開發包中提供了乙個 openncc view 工具，通過這個工具，即使你完全不了解演算法實現原理，也能輕鬆的使用openncc去執行各種ai演算法。它裡面內建了10種不同的模型檢測演算法，可以直接上手使用，學習成本大大降低，今天我先嘗試執行下人臉檢測模型演算法 face detec...