- 综合排序
- 最热优先
- 最新优先
- 来自专栏业余草
使用 Java 实现人脸融合！
人脸融合正在流行，毕竟这个社会一直都是看脸的时代！ 今天周六，抽个时间给大家闲聊一下人脸融合技术。 如上图所示，在图片上的人脸中，找出这些特征点(一般，找 68、72 个就可以了)。 ? 如果脸型相同或相近，那么就可以换脸，进行融合了。 ? ? 说起来简单，但是实现起来就涉及到很多算法了。 ? 我的实现也很简单，借助开源类库，加上巨头提供的 API，基于 Java 实现人脸融合。 首先，利用 opencv 获得关键特征点。 String[] args) throws FileNotFoundException { String path1 = ResourceUtils.getFile("classpath:img/3m.jpg 做的牛逼一点的，可以从视频中提取图片，再进行融合。
2.8K30发布于 2020-06-08 - 来自专栏IT派
人脸融合？没有想象中难！
颜如玉 颜如玉 —— python + opencv 人脸融合程序，可实现类似天天P图疯狂换脸、face++人脸融合效果 项目描述 最近随着各种技术的发展，图像方面的人脸处理技术越来越广泛。 天天P图与Face++也都推出人脸处理的 API，不过价格方面就有点不亲民了。于是本人将之前研究完成的人脸融合算法开源出来。 本文会一步步带你了解人脸融合的实现过程。 out_img —— 结果图片输出路径 face_area —— 指定模板图中进行人脸融合的人脸框位置。 blur_size—— 模糊核大小，用于模糊人脸融合边缘，减少融合后的违和感 mat_multiple —— 缩放获取到的人脸心型区域 一、 检测及关键的定位 人脸的检测以及关键点定位有多种实现方案 使用开源 boundingRect(np.float32([dst_points[:core.FACE_END]])) center = (r[0] + int(r[2] / 2), r[1] + int(r[3]
6.3K31发布于 2018-07-30 - 来自专栏计算机视觉战队
人脸专集3 | 人脸关键点检测
对于人脸关键点检测和跟踪，有从传统方法向基于深度学习的方法转变的趋势。 混合深度方法将CNN与3D视觉相结合，如投影模型和三维形变形状模型(上图)。它们不是直接预测二维面部关键点位置，而是预测三维形状可变形模型系数和头部姿态。 例如，（Zhu, X., Lei, Z., Liu, X., Shi, H., Li, S.: Face alignment across large poses: A 3d solution. Las Vegas, NV (2016)）建立了一个密集的三维人脸模型。然后，采用迭代级联回归框架和深度CNN模型对三维人脸形状系数和姿态参数进行更新。 在每一次迭代中，利用视觉投影模型将三维形状投影到二维，并将二维形状作为CNN回归预测模型的附加输入，以融合目前估计的三维参数。
3.1K30发布于 2019-05-13 - 来自专栏腾讯云技术沙龙
卓伟：腾讯云人脸融合技术构建
下面是卓伟老师关于腾讯云人脸融合技术构建的总结。 这个活动的背后，实际上就是一个人脸融合的常见应用，把自己的照片与模板进行融合。 image.png 这里面当然不仅仅是人脸融合，它的调用量这么大，还有高并发的上传、下载、智能分析等等这些技术在里面。什么是人脸融合？ 优图实验室前面大家也有所了解，它在国内外人脸评比中都是名列前茅的，我们在人脸融合里用了优图的人脸检测、关键点定位，它能定位人脸上90个关键点，包括眉毛、眼睛、嘴巴甚至瞳孔、轮廓90个点，之后提取特征，做后续的融合 A：视频的操作肯定是异步化的操作，耗时较久做成同步是不合适的，因为这涉及到视频的编解码、截帧、逐帧的人脸检测和特征提取以及替换的过程，我们之前测过900多兆的视频，视频编解码和截帧可能在3到4分钟，这么大的耗时
5.7K51发布于 2019-04-23 - 来自专栏Node开发
NodeJS人脸识别(3)
首先我们一样先调取人脸检测接口试试水： 人脸检测接口： 我们先来看看文档对该接口的介绍： ? API每个接口都需要携带access_token进行鉴权，所以请求接口地址为： CONFIG.detectURL = 'https://aip.baidubce.com/rest/2.0/face/v3/ 可以看到我们成功得到人脸检测API的响应了，因为默认只返回人脸框、概率和旋转角度，我们添加选传参数返回更多信息： ? 我设置返回所有参数，图片检测人脸数最多为5，照片类型为生活照。 3.实现人脸识别功能API使用SDK可以直接直接封装好的方法，而调取API我们则需要手动封装方法调用已封装好的http请求发起请求。 总结： 其实人工智能基于前人的基础进行使用是很简单的。 人脸识别系列文章到本篇就结束了，有兴趣研究原理的可以自行去进行研究。
1.2K60发布于 2019-06-13 - 来自专栏人脸融合素材图片
人脸融合是否有接口自己上传素材图片？
人脸融合是否有接口自己上传素材图片？有没有大佬告诉我下下，我没找到啊！！！
1.8K20发布于 2020-04-28 - 来自专栏企鹅号快讯
2018新年贺卡 “人脸融合”玩出新高度！
腾讯AI开放平台（AI.QQ.COM）上线人脸融合技术接口后广受开发者们热捧，从人民日报的刷屏H5「快看呐！ 新年伊始，人脸融合技术又能将新年祝福玩出什么新高度呢？ 腾讯大成网「2018新年祝福流行这样玩」案例 用户进入活动主页选择贺卡场景后，上传自己的照片，即可通过人脸融合技术实现人卡融合，轻松生成专属于自己的新年贺卡。 那么，作为同样是能干会玩的大家，怎么样像腾讯大成网一样，用起腾讯AI开放平台（AI.QQ.COM）上的人脸融合AI能力呢？ 话不多说，快上车，让小编带你走 访问 腾讯AI开放平台（AI.QQ.COM）即可体验级调用该功能 不仅是人脸融合，在图片特效相关AI能力方面，我们还开放了人脸美妆、人脸变妆、大头贴、滤镜、颜龄检测等能力
3.2K90发布于 2018-01-09 - 来自专栏全栈程序员必看
人脸识别系统如何建模_3dmax人脸建模
背景技术： 人脸识别技术一般包括四个组成部分，分别为人脸图像采集、人脸图像预处理、人脸图像特征提取以及匹配与识别，具体来说： 人脸图像采集及检测是指通过摄像镜头等视频图像采集装置采集包括有人脸的视频或图像数据 人脸图像预处理是指从采集的图像数据中确定人脸的部分，并进行灰度校正、噪声过滤等图像预处理，从而使后续的人脸图像特征提取过程能够更加的准确和高效。 人脸图像特征提取是指，也称人脸表征，它是对人脸进行特征建模的过程；人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部的特定位置点以及这些特定位置点之间结构关系的特征描述，可作为识别人脸的重要特征，这些特定的位置点被称为关键特征点 优选的，在本发明实施例中，所述腐蚀膨胀操作采用2*3长方形窗口。 具体来说，腐蚀膨胀操作的最优方式为采用2*3长方形窗口。
3.3K20编辑于 2022-09-30 - 来自专栏全栈程序员必看
人脸关键点检测3——DCNN
######《Deep Convolutional Network Cascade for Facial Point Detection》 2013年，通过3级卷积神经网络来估计人脸关键点（5点），属于级联回归方法 F1输入尺寸为3939，输出5个关键点的坐标；EN1输入尺寸为3139，输出是3个关键点的坐标；NM1输入尺寸为3139，输出是3个关键点。 Level-3与Level-2一样，由10个CNN构成，输入尺寸均为15*15，每两个组成一对。Level-2和Level-3是对Level-1得到的粗定位进行微调，得到精细的关键点定位。 Level-1之所以比Level-2和Level-3的输入要大，是因为作者认为，由于人脸检测器的原因，边界框的相对位置可能会在大范围内变化，再加上面部姿态的变化，最终导致输入图像的多样性，因此在Level 然而，对于类似人脸这样具有固定空间结构的图像而言，全局权值共享就不奏效了。因为眼睛就是在上面，鼻子就是在中间，嘴巴就是在下面的。作者通过实验证明了局部权值共享给网络带来性能提升。
1.2K20编辑于 2022-09-01 - 来自专栏TSINGSEE青犀视频
AI人脸检测智能视频融合平台EasyCVR新增告警预案功能
告警预案可以根据告警类型、告警级别、告警方式、告警事件类型等信息，来具体分类获取告警信息，如下图展示效果：后端设计逻辑：1）创建告警预案表数据：2）新增告警预案接口：EasyCVR视频融合平台部署轻快、 近期我们针对视频监控场景中的智能检测与识别需求，推出了结合EasyCVR视频融合平台与AI智能分析网关的“基于AI视频智能分析与识别技术的视频监管行业解决方案”，可实现的智能检测识别功能包括：人脸识别、 平台通过对场景中的监控视频图像进行智能识别与分析，可提供人脸、人体、车辆、烟火、物体、行为等识别、抓拍、比对、告警等服务，支持对场景中的异常及违规现象进行精准研判、数据分析、结果汇聚、智能预警、辅助决策等
1.3K40编辑于 2022-10-31 - 来自专栏AI科技评论
3D人脸技术漫游指南
目录 导语 3D人脸基础知识 初识3D人脸 相机模型 3D相机 3D人脸数据 3D人脸相关任务 常见Pipeline 3D人脸识别 3D人脸重建 总结 导语 随着深度学习技术的推进，人脸相关任务研究也跃升为学界和业界的热点 基于深度图的人脸识别 深度图的人脸识别常用方法包括提取 LBP 等特征，多帧深度图融合，深度图归一化等，这里简单介绍两篇深度图相关的人脸识别论文。 本文采用球形剪裁后的深度人脸的法向作为网络输入，实验表明可以更好地表征深度人脸，同时，作者也精心设计了轻量级的识别网络（主要为多层特征融合以及注意力机制），可以参考。 针对 RGB-D 图像的人脸识别论文还有很多，但基本思想是在特征层融合或是在像素层融合。 ，论文通过 RGB 图像和多帧融合后的深度图像分别进行预训练与迁移学习，并在特征层进行融合，从而提升识别率。
3.1K11发布于 2019-08-08 - 来自专栏机器学习AI算法工程
YOLO3 动漫人脸识别
https://github.com/wmylxmj/YOLO-V3-IOU
1.8K20发布于 2019-10-29 - 来自专栏JNing的专栏
【3D人脸】Mediapipe Vs Persona
背景 论文《Persona: Real-Time Neural 3D Face Reconstruction for Visual Effects on Mobile Devices》中吐槽mediapipe
75010编辑于 2022-11-14 - 来自专栏3D视觉从入门到精通
汇总|3D人脸重建算法
/project-nonlinear-3dmm.html 主要思想：三维变形模型（3DMM）作为一种经典的三维人脸形状和纹理统计模型，在人脸分析、模型拟合、图像合成等领域有着广泛的应用。 3、 新的3DMM进一步提高了相关任务的性能：人脸对齐和人脸重建 主要结构： ? ? ? 实验结果： ? ? ? ? ? 展示了非线性3DMM相对于线性3DMM的优越表现力，以及它对人脸对齐、三维重建和人脸编辑的贡献。 3、 我们通过弱监督联合学习模型和模型拟合算法，利用大量未经三维扫描的二维图像，并且新的渲染层实现了端到端的训练。 4、 新的3DMM进一步提高了人脸对齐、人脸重建和人脸编辑相关任务的性能。 最新的方法通常旨在学习基于CNN的3D人脸模型，该模型从2D图像中回归3D可变形模型（3DMM）的系数，以呈现3D人脸重建或稠密的人脸对齐。
2.5K20发布于 2020-12-11 - 来自专栏python3
python3+opencv3人脸识别入
import sys import importlib import cv2 #注意python2中，直接调用reload(sys)，但python3中要import importlib importlib.reload /heat.jpg' # 获取训练好的人脸的参数数据，这里直接从GitHub上使用默认值,注意该xml文档要放在执行目录下 face_cascade = cv2.CascadeClassifier(r haarcascade_frontalface_default.xml') # 读取图片 image = cv2.imread(imagepath) #把图像转为灰度图，查了一下原因，是这么说的： # 减少数据量(比如RGB模式，可以减少到原图片的1/3) gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 探测图片中的人脸 faces = face_cascade.detectMultiScale( , minNeighbors=5, minSize=(5, 5), flags=cv2.IMREAD_GRAYSCALE) print "发现{0}个人脸
54420发布于 2020-01-10 - 来自专栏3D视觉从入门到精通
3D人脸重建和人脸分析常用的数据集汇总
2、BU-3DFE dataset 数据下载链接： http://www.sciweavers.org/subject/bu-3dfe-database 提出了一个新开发的三维面部表情数据库，其中包括原型三维面部表情形状和来自 3、Florence 数据下载链接： http://www.micc.unifi.it/resources/datasets/florence-3d-faces/ 这个数据集是专门用来支持技术的研究，以弥合二维 CelebA有着巨大的多样性、数量和丰富的注释，包括 1、10177个身份 2、202599张人脸图像 3、每幅图像拥有5个landmarks位置，以及 40个二进制属性注释 该数据集可作为以下计算机视觉任务的训练和测试集 ：人脸属性识别、人脸检测、标志点（或面部）定位、人脸编辑与合成。 5、LS3D-W 数据下载链接： https://www.adrianbulat.com/face-alignment LS3D-W 是个大规模人脸对齐标注数据集，由诺丁汉大学计算机视觉实验室创建。
7.5K21发布于 2020-12-11 - 来自专栏大数据和云计算技术
超融合方案分析系列（3）深信服超融合方案分析
前言 作者是国内研究超融合相当早的专家，有非常强的理论基础和实战经验，以下是超融合分析系列前面几篇，已经阅读过的同学可以跳过。 超融合分析系列： 超融合概述 超融合产品分析系列（1）：nutanix方案 超融合方案分析系列（2）：VSAN的超融合方案分析 非常深入的超融合分析系列，希望大家会喜欢，另外文章最后附有作者的微信，有兴趣的同学可以加作者做更深入的交流 下面是本系列第4篇正文： 整体方案 深信服的超融合一体机以及超融合方案目前在各个地方都推的比较猛，从官网看，他们的客户也有不少了。 今天我们一起来分析一下深信服超融合方案： 深信服超融合的整个方案中包含了aSV、aNET、aSAN三个核心组成部分。当然，既然是超融合方案，虚拟化是基础，而分布式存储则是超融合的核心。 3 第三个是网络需求： 在深信服官网http://wiki.sangfor.com.cn/index.php/超融合:最佳实践，我找到了对网络的一个要求： ?
8.6K70发布于 2018-03-08 - 来自专栏TSINGSEE青犀视频
AI人脸检测EasyCVR视频融合平台如何设置视频流全局转码？
除此之外，EasyCVR平台也支持通过接口配置通道转码，具体可以查看这篇文章：《视频融合平台EasyCVR如何通过接口配置通道转码？》。 EasyCVR视频融合平台基于云边端协同架构，能支持海量视频的轻量化接入与汇聚管理，借助大数据分析的决策判断，为摄像头、网络存储设备、智能终端、视频监控平台等提供一体化的视频接入、分发、存储、处理等能力 近期我们正在积极研发基于AI视频智能分析的云边端融合智能协同平台。
1.7K40编辑于 2023-02-22 - 来自专栏MixLab科技+设计实验室
VGUI融合的3种实现方式
最后，应用级语音交互只是通过GUI把VUI的内容可视化，但同时降低了GUI的阅读效率，算不上真正的VGUI融合。 最后，可见即可说只是通过VUI操作GUI，但能力非常有限，仍然算不上真正的VGUI融合。 3.系统级语音交互拥有意图识别和业务逻辑理解能力，因此系统可以理解用户的意图，也可以依据特定场景主动发起语音交互。 4.基于1、2、3点，系统级语音交互具有信息汇集和理解的能力，它是信息的中枢但服务于系统和各个应用，所以它应该把收集到的信息重新分发给各个应用。 最后，系统级语音交互能兼顾GUI和VUI的优点，提升VGUI的工作效率，是真正的VGUI融合。
1.6K40发布于 2020-03-12 - 来自专栏北京马哥教育
3行Python代码完成人脸识别
Face Recognition软件包 这是世界上最简单的人脸识别库了。你可以通过Python引用或者命令行的形式使用它，来管理和识别人脸。 你甚至可以用这个软件包做人脸的实时识别。 ：https://medium.com/@ageitgey/try-deep-learning-in-python-now-with-a-fully-pre-configured-vm-1d97d4c3e9b 在树莓派2+上安装 看这篇说明：https://gist.github.com/ageitgey/1ac8dbe8572f3f533df6269dab35df65 在Windows上安装 虽然Windows ：https://medium.com/@ageitgey/try-deep-learning-in-python-now-with-a-fully-pre-configured-vm-1d97d4c3e9b
1.6K70发布于 2018-05-03
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号