- 综合排序
- 最热优先
- 最新优先
- 来自专栏Node开发
NodeJS人脸识别(2)
上一篇介绍了NodeJS实现人脸识别中的人脸注册，搜索，检测功能。可以看到其实抛开用户量不说，其实任何想要实现的功能最终用NodeJS都是可以实现的。 今天我们来看下SDK文档关于人脸识别其他的接口，我们可以来看看整套人脸识别具体有什么功能，我们可以怎么在实际应用中去进行应用呢？ 这样的返回其实也是可以的，但是人脸识别本质就是为了提升用户体验，降低操作复杂性，所以其实还有一种方案可以在用户不存在的情况进行将该人脸静默注册到人脸库,就是添加参数action_type: REPLACE frr_1e-4：万分之一误识率的阈值；frr_1e-3：千分之一误识率的阈值；frr_1e-2：百分之一误识率的阈值。 到这里其实SDK关于人脸识别的所有接口都介绍完毕了。其实还有几个接口，必须账户进行企业实名认证才有权限调用，在这里我就不介绍了。本篇内容到这里差不多结束了。
2.4K40发布于 2019-06-03 - 来自专栏小锋学长生活大爆炸
基于OpenMV的人脸识别，支持人脸注册、人脸检测、人脸识别
GitHub - 1061700625/OpenMV_Face_Recognition: 基于OpenMV的人脸识别，支持人脸注册、人脸检测、人脸识别 ''' >> author: SXF >> email : songxf1024@163.com >> description: 用LBP特征进行人脸识别，可进行人脸注册、人脸检测与人脸识别 Pin7高电平一次，触发人脸注册；默认低电平 UART1 （Pin1）输出调试信息 UART3（Pin4）输出识别结果，当识别成功后，返回“Find It”（可自定义修改），可连接IoT平台 注：需配备SD卡，最大3支持2G，将main.py等文件放至 = 0: debug(res) return 1 def match(d0): # 人脸识别 dir_lists = os.listdir( ，但由于SD卡内无文件，无法匹配人脸 按下F1按键，进入人脸注册模式，连续拍5张照存入SD卡（拍摄时绿灯快闪50ms，拍摄完绿灯闪1000ms） 再识别，可完成人脸识别（红灯闪1000ms）。
4K10编辑于 2025-05-24 - 来自专栏小锋学长生活大爆炸
基于OpenMV的人脸识别，支持人脸注册、人脸检测、人脸识别
1061700625/OpenMV_Face_Recognition ''' >> author: SXF >> email: songxf1024@163.com >> description: 用LBP特征进行人脸识别 ，可进行人脸注册、人脸检测与人脸识别 Pin7高电平一次，触发人脸注册；默认低电平 UART1（Pin1）输出调试信息 UART3（Pin4）输出识别结果，当识别成功后，返回“Find It = 0: debug(res) return 1 def match(d0): # 人脸识别 dir_lists = os.listdir( ，但由于SD卡内无文件，无法匹配人脸 ? 按下F1按键，进入人脸注册模式，连续拍5张照存入SD卡（拍摄时绿灯快闪50ms，拍摄完绿灯闪1000ms） ? 再识别，可完成人脸识别（红灯闪1000ms）。
22.4K30发布于 2020-08-13 - 来自专栏全栈程序员必看
Java + opencv 实现人脸识别，图片人脸识别、视频人脸识别、摄像头实时人脸识别
、实时摄像头人脸识别、视频文件人脸识别 * @Description: OpenCV-4.1.1 测试文件 * @date: 2019年8月19日 17:17:48 * @version: V-1.0.0 ，识别成功保存图片到本地 getVideoFromCamera(); // 2- 从本地视频文件中识别人脸 // getVideoFromFile(); // 3- 本地图片人脸识别，识别成功并保存人脸图片到本地 face(); // 4- 比对本地2张图的人脸相似度 （越接近1越相似） String basePicPath Imgproc.compareHist(hist_1, hist_2, Imgproc.CV_COMP_CORREL); return res; } /** * 灰度化人脸 ： 2- 测试本地视频识别人脸 3- 测试本地图片人脸识别 4- 测试本地2张图片人脸的相似度 完结。
28.8K32编辑于 2022-08-30 - 来自专栏瓜大三哥
人脸识别
1.人脸识别的难点 用户配合度 相似性 易变形 2.人脸识别的评测方法 LFW数据集（Labeled Faces in the wild):该数据库工有13233幅图像，其中5749个人，1680人有两幅及以上的图像 该数据库采集的是自然条件下人脸图片，目的是提高自然条件下人脸识别的精度。
40.7K90发布于 2018-02-26 - 来自专栏wym
人脸识别
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)#转换为灰度图,降低计算强度 face_cascade = cv2.CascadeClassifier('d :\haarcascades\haarcascade_frontalface_alt.xml') # 探测人脸 # 根据训练的数据来对新图片进行识别的过程。 ，其他可以不写 scaleFactor= 1.01, #控制金字塔层数，通常范围1.01~1.5 参数越小，层数越多，结果越精确 minNeighbors = 1, #为5表示有5次重叠才认为人脸存在 minSize = (1,1),#寻找人脸的最小区域 ) # 处理人脸探测的结果 print ("{0}".format(len(faces))) for(x,y,w,h) in faces: cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2) cv2.imshow("image",image) cv2.waitKey(0) cv2
16.5K10发布于 2018-08-30 - 来自专栏刘望舒
Android人脸识别之识别人脸特征
本文我们接着来看看，在完成了人脸注册之后我们该如何识别出用户的人脸特征，从而通过人脸识别获取用户信息。 人脸识别的全部流程集成在官方 Demo 的 DetecterActivity 文件中。 还是来了解几个概念 人脸追踪 FT 年龄检测 Age 性别检测 Gender 其中人脸追踪 FT 与人脸检测 FD 功能基本一致（甚至代码基本都是相同的），Age 引擎用于识别年龄，Gender 引擎用于识别性别 识别流程 整体上比人脸注册还要简单，官方提供了很好的封装供我们使用，我们来看看流程。 ().draw_rect((Rect[])data.getParams(), Color.GREEN, 2); } 第二步： 使用 FR 人脸识别引擎识别人脸信息，如果你已经浏览了上一步的代码
24.9K30发布于 2018-06-22 - 来自专栏兰舟千帆的java学习笔记
人脸图像识别（python人脸识别技术）
python人脸识别 人脸识别的崛起 什么是人脸识别 人脸识别是将采集到的数据信息,根据人脸特征信息进行比对,从而辨识身份的技术。 不过肯定的一点是，你的人脸识别首先要将人脸转化为计算机可以识别的数据，人脸识别其实就是计算机方面的数据识别。 人脸识别技术的应用和发展 谈到应用，我的第一映像就是手机上的人脸识别解锁，目前在学校公寓里面也有人脸识别的机器，我记得首先是收集了我们学生们的照片，应该是存入数据库的，我们学生的信息，包括学号，以及所在系等等 #import sys #python内置库 import cv2 #计算机视觉领域 import face_recognition #人脸识别库，如果读取图片的话，会是图像矩阵 #就是每个图片的rgb 我们可以有这个思路，这里只是给大家简单介绍一下python的这个人脸识别库。当然也会有其他的编程语言的实现人脸识别。 后期会写出动态拍照人脸识别。
21.7K61编辑于 2022-07-16 - 来自专栏小雨编程
树莓派人脸识别实际应用：人脸识别门禁
在上一篇文章树莓派调用百度人脸识别API实现人脸识别，我们完成了树莓派人脸识别的基础环境配置，人脸识别功能也测试成功了，现在我们做一个小小的案例来实际应用一下，我们想树莓派人脸识别成功后，发送蓝牙串口数据给 一、树莓派发送的蓝牙串口数据 树莓派自带蓝牙功能，我们可以调用系统指令发送蓝牙信号， 创建一个bluetooth_test.py文件，分别定义初始化指令、开门指令、关门指令，分别发送字符串’1‘，’2’ sock=bluetooth.BluetoothSocket( bluetooth.RFCOMM ) sock.connect((bd_addr, port)) sock.send("2" import base64 import time import bluetooth from bluetooth_test import bt_open,servo_init,bt_close #百度人脸识别 (image): result = client.search(str(image, 'utf-8'), IMAGE_TYPE, GROUP);#在百度云人脸库中寻找有没有匹配的人脸 if
18.8K11发布于 2020-06-09 - 来自专栏程序IT圈
实现基于人脸识别的门禁管理系统【源码】
项目介绍 基于人脸识别的门禁管理系统 (Python+Django+RESTframework+JsonWebToken+Redis+Dlib) 该项目为宿舍门禁系统管理，并额外加入宿舍管理、水电费管理 、在线充值、报修管理、系统日志等多项功能，详细见下方截图等。 Django为后端、H5/CSS/JS为前端、MySQL为后端数据库、Redis为缓存、Dlib为人脸识别程序库。 该项目可作为个人学校毕业设计使用，未考虑生产环境，后续开发随心。 食用方法 1、首先下载项目源码文件（获取方法在本文结尾处） 2、运行MySQL和Redis，并在setting.py文件中配置数据库链接信息。 前端-后台[ PC端 ] 2. 前端-前台[ 移动端 ] 3. 前端-摄像头端 源码文件获取 发送暗号：门禁管理 就能获取 。
4.3K50编辑于 2022-11-18 - 来自专栏图像处理与模式识别研究所
LBPH人脸识别
import cv2 import numpy as np images=[] images.append(cv2.imread('C:/Users/xpp/Desktop/coins.png',cv2 .IMREAD_GRAYSCALE))#原始图像 images.append(cv2.imread('C:/Users/xpp/Desktop/coins.png',cv2.IMREAD_GRAYSCALE =cv2.face.LBPHFaceRecognizer_create()#LBPH人脸识别 recognizer.train(images,np.array(labels))#模型训练 predict_image 特征图像划分为一个个单元格时，每个单元格在水平方向上的像素个数 grid_y表示将LBP特征图像划分为一个个单元格时，每个单元格在垂直方向上的像素个数 threshold表示在预测时所使用的阈值，如果大于该阈值，那么没有识别到任何目标对象 (src) src表示输入图像 注意：置信度评分用来衡量识别结果与原有模型之间的距离。
14.5K30编辑于 2022-05-28 人脸识别备案
根据《人脸识别技术应用安全管理办法》规定，个人信息处理者应当在应用人脸识别技术处理的人脸信息存储数量达到10万人之日起30个工作日内向所在地省级以上王网信部门履行备案手续。 《个人信息处理者基本情况表》电子版2.统一社会信用代码证原件或加盖公章的影印件扫码件技术应用文件3.《人脸识别技术应用情况备案表》电子版4. 人脸识别技术应用情况备案表3.个人信息处理者基本情况表1.统一社会信用代码证件:统一社会信用代码证件原件或影印件（加盖公章）扫描件2.法定代表人身份证件: 法定代表人或负责人身份证件扫描件3.经办人身份证件 开发人脸识别技术的企业，比如做人脸识别算法，提供SDK的公司2. 直接用人脸识别的机构，像商场、学校、医院、支付平台、安防公司这些3. 2.注销备案终止应用人脸识别技术的，应当在终止之日起30个工作日内办理注销备案手续，并依法依规处理人脸信息。点击拟注销的备案项目“操作”列的“注销备案”
46910编辑于 2025-10-15- 来自专栏图像处理与模式识别研究所
LDA人脸识别
import cv2 import numpy as np images=[] images.append(cv2.imread('C:/Users/xpp/Desktop/coins.png',cv2 .IMREAD_GRAYSCALE))#原始图像 images.append(cv2.imread('C:/Users/xpp/Desktop/coins.png',cv2.IMREAD_GRAYSCALE =cv2.face.FisherFaceRecognizer_create()#人脸识别 recognizer.train(images,np.array(labels))#模型训练 predict_image 人脸识别是一种经典的线性学习方法，也称Fisher判别分析法。 , num_components[, threshold]]) num_components表示使用Fisherfaces准则进行线性判别分析时保留的成分数量，默认值是0 threshold表示进行识别时所使用的阈值
13.3K10编辑于 2022-05-28 - 来自专栏一些有趣的Python案例
python人脸识别
目录 1 读取图片 2 将图片灰度转换 3 修改图片尺寸 4 绘制矩形_圆 5 人脸检测 6 检测多张人脸 7 检测视频中的人脸 8 训练数据并人脸识别 8.1 训练数据 8.2 人脸识别 1 读取图片 8 训练数据并人脸识别 8.1 训练数据 import os import cv2 import sys from PIL import Image import numpy as np def getImageAndLabels face.LBPHFaceRecognizer_create() recognizer.train(faces,np.array(ids)) # 保存文件 recognizer.write('trainer.yml') 8.2 人脸识别 /trainer.yml') # 准备识别的图片 img = cv2.imread(r'E:/girl.jpg') # 将图片缩小至原来的1/2 height, width = img.shape[: (gray) for x, y, w, h in faces: cv2.rectangle(reSize, (x, y), (x+w, y+h), (0, 255, 0), 2) # 人脸识别
14.8K32发布于 2021-02-02 - 来自专栏图像处理与模式识别研究所
PCA人脸识别
import cv2 import numpy as np images=[] images.append(cv2.imread('C:/Users/xpp/Desktop/coins.png',cv2 .IMREAD_GRAYSCALE))#原始图像 images.append(cv2.imread('C:/Users/xpp/Desktop/coins.png',cv2.IMREAD_GRAYSCALE =cv2.face.EigenFaceRecognizer_create()#人脸识别 recognizer.train(images,np.array(labels))#模型训练 predict_image 人脸识别是将高维的人脸数据处理为低维数据后（降维），再进行数据分析和处理，获取识别结果。 ，保留的分量个数为80 threshold表示在预测时所使用的阈值，如果大于该阈值，那么没有识别到任何目标对象 None=cv2.face_FaceRecognizer.train(src, labels
13.8K20编辑于 2022-05-28 - 来自专栏陶陶计算机
人脸识别demo
process_this_frame for (top, right, bottom, left), name in zip(face_locations, face_names): # 将人脸面部信息画出来 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,该软件包使用dlib中最先进的人脸识别深度学习算法，使得识别准确率在《Labled Faces in the world》测试基准下达到了 99.38%,它同时提供了一个叫face_recognition的命令行工具，以便你可以用命令行对一个文件夹中的图片进行识别操作。 代码部分 效果 识别成功 [在这里插入图片描述] [在这里插入图片描述] 识别失败 [在这里插入图片描述] 完整代码 # -*- coding: utf-8 -*- # @Time : 2019
15.5K30编辑于 2022-05-12 人脸识别代码
import cv2 import dlib # 加载人脸检测器 detector = dlib.get_frontal_face_detector() # 加载人脸特征提取器 predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat") # 加载人脸识别模型 face_recognition = dlib.face_recognition_model_v1 ("dlib_face_recognition_resnet_model_v1.dat") # 加载已知人脸图像 known_face_image = cv2.imread("known_face.jpg face_recognition.compute_face_descriptor(known_face_image, face_shape) face_descriptors.append(face_descriptor) # 打开摄像头进行实时识别 # 显示画面 cv2.imshow("Face Recognition", frame) if cv2.waitKey(1) & 0xFF == ord('q'):
28210编辑于 2025-12-16- 来自专栏刘望舒
Android 人脸识别之人脸注册
该项目基于讯飞SDK实现的人脸检测，使用face++的webapi实现的人脸注册以及人脸识别。 人脸识别，我们可以理解为从一个专门保存人脸特征值的数据集合中找到最匹配的一组特征值。 人脸识别 （FR引擎） 当检测出人脸时，对人脸进行识别，如果人脸特征集合中存在该人脸信息，读取出该人脸信息及人员信息。 第三步： 经过上述的两部，我们已经成功的从图片中识别到了人脸，并且将该人脸在图片中的位置获取到了，接下来我们要做的就是使用 FR 人脸识别引擎识别该位置人脸中的特征信息。 if (! FaceDb 类是 demo 中官方写的一个人脸特征管理类，其实现是文件方式实现的，当然我们可以采用其他方式来实现暂且按下不表。
29.3K30发布于 2018-06-22 - 来自专栏用户8739990的专栏
人脸识别技术优缺点，人脸识别技术的原理
现如今，在案件侦破，小区门禁，手机解锁等等方面，我们都需要用到人脸识别技术，这项技术应用到了很多的场景当中，对于日常的生活来说也提供了不少的便利，下面我们就将为大家介绍人脸识别技术。 ，而且通过人脸识别技术，可以不易察觉，不会陷入被人伪装欺骗的地步。 虽然人脸识别技术的优点非常多，但是我们也需要注意到它的缺点，因为人类的脸部或多或少存在着一定的相似性，所以对于人脸的外形来说，它是很不稳定的，而且有些人脸识别技术还可能会导致信息的泄露。 二、人脸识别技术的原理 人脸识别是识别技术的一种，主要是通过人类的面部特征来进行身份确认，在判断出是否存在人脸之后，就会开始检测脸部的位置和大小，根据检测出来的信息，就可以提出身份特征，然后和已知的人脸之间进行对此 人脸识别技术在现在的社会中已经越来越普遍了，我们也日常的生活中随处可见人脸识别技术，有些小区也是可以通过人脸识别技术来确定身份，不过我们在进行人脸识别的过程，也要多加注意保护自己的信息。
15.9K20发布于 2021-07-12 - 来自专栏计算机视觉战队
人脸识别精度提升 | 基于Transformer的人脸识别（附源码）
计算机视觉研究院专栏 作者：Edison_G 现阶段的人脸检测识别技术已经特别成熟，不管在什么领域都有特别成熟的应用，比如：无人超市、车站检测、犯人抓捕以及行迹追踪等应用。 所以人脸识别的精度还是需要进一步提升，那就要继续优化更好的人脸识别框架。 我们想知道Transformer是否可以用于人脸识别，以及它是否比cnns更好。 因此，有研究者研究了Transformer模型在人脸识别中的性能。 从T2T-ViT模型中一部分——Token-to-Token，深度为2，hidden为64，MLP大小为512；而对于主干网络，层数是24，头数为8，hidden大小为512，MLP大小是2048。 （2）是指基于头部和网络深度的参与区域的注意距离。 随着遮挡面积的增加，人脸Transformer模型和ResNet100的识别性能得到了提高。
13.3K30发布于 2021-07-09
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