- 综合排序
- 最热优先
- 最新优先
- 来自专栏AIoT技术交流、分享
Python+OpenCV实现AI人脸识别身份认证系统(3)—训练人脸识别模型
目录 案例引入 本节项目 ---- 最近有小伙伴们一直在催本项目的进度，好吧，今晚熬夜加班编写，在上一节中，实现了人脸数据的采集，在本节中将对采集的人脸数据进行训练，生成识别模型。
3.1K30发布于 2021-01-20 - 来自专栏计算机视觉漫谈
YOLO v3实战之钢筋数量AI识别（一）
本次的YOLO v3实战是基于DataFountain的一个比赛：智能盘点—钢筋数量AI识别，baseline model就选用上次讲解YOLO v3理论YunYang复现的YOLO v3。 这跟我们YOLO v3训练要的标注文件有点差别，YOLO v3的标注文件的格式是(x_min,y_min,x_max,y_max,class_id)，而且要求同张图片的标注放在同一行: ? YunYang给我们提供了VOC版的数据集转YOLO v3标注的脚本voc_annotation.py,所以我们就先把标注文件转换成VOC格式，再运行脚本就行了。 感觉除了少部分的漏检之外YOLO v3的检测效果还是很不错的，这也证实了作者想在v3版本加强对小物体检测效果的思路。 不过这个版本我们还没针对我们的场景进行具体的优化，具体的各种优化办法将会在下一部分讲解，希望弄懂YOLO v3理论的读者可以通过这次的实战系列真正上手YOLO v3。
2.2K30发布于 2020-06-02 - 来自专栏Node开发
NodeJS人脸识别(3)
获取到了access_token其实我们已经完成了鉴权操作，http请求我们也已经进行封装，下一步其实就可以开始调用API实现上一篇文章的人脸识别功能了。 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/ 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。 吴坤我们使用现成的SDK或者自己封装调用API，其实难度系数都不高，因为最难的人脸识别真正实现的逻辑操作现有的API已经实现，我们无需去关心人脸识别它如何进行识别，而只需调用API就可以进行识别。 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 - 来自专栏谭广健的专栏
AI识别之旅三
前两篇说了AI识别的准备和录入到腾讯云里，接下来我们就来编写一个从人脸库进行识别的功能，老样子那第一篇摄像头那里拉图片。因为有第二篇拉依赖库，这里就不在叙述了。直接来代码了。。 至此，我们就完成简单的AI识别功能人员。最后放出解释多层JSON的代码吧。。。
73741发布于 2020-02-27 - 来自专栏谭广健的专栏
AI识别之旅一
说到AI识别，很多人会觉得很神秘很高大尚。但随着科技的发展AI已经逐步成熟和简单，这几天我们就围绕如何打造一个AI识别系统进行宣讲吧。 首先AI识别系统，肯定是通过类似视觉识别这样，有图才能有结果，当然你说语音识别就要语音才有结果。不过语音不是咱们这次的重点。我们以视觉识别为主。 视觉识别肯定要通过摄像头获取外界或对应事物的情况，接下来，就是我们这篇文章的重点，如何在安卓上构建摄像头，也希望能使大家减少一些弯路。 arc_hf_video_view" android:layout_width="fill_parent" android:layout_height="fill_parent" /> 3、 这样我们的AI识别之旅就算踏出了第一~
1K51发布于 2020-02-21 - 来自专栏谭广健的专栏
AI识别之旅二
上次说到AI识别第一步就是获取图片并保存下来，相信很多小童鞋应该尝试了。接下来我们就开始对AI识别进行第二步，建立一个AI匹配库。 这个AI匹配库的作用就是把我们第一步获取的图片跟这个识别库进行匹配判断，看看匹配库有没有该图片。这次我们就上腾讯云进行部署。 1、首先登录腾讯云，找到“人脸识别”，点开“人员库管理”中的人员管理，选择“新建人员库”，填入相关的资料。当然这个有API的，不过我们直接手动建省很多事。 ： implementation 'com.google.code.gson:gson:2.8.6'//GSON JSON数据包 implementation 'com.squareup.okhttp3: tencentcloud-sdk-java:3.1.0'//腾讯云 implementation 'org.apache.xerces:com.springsource.org.apache.xerces:2.9.1' 3、
77111发布于 2020-02-22 - 来自专栏PDF 开发
AI文档识别技术之表格识别(一)
表格线条不清晰，需要人为添加表格线条分割表格内容，例如下面的表格就缺少很多的横线与竖线图片1.2 识别原理DocumentAI通过结合AI与传统算法实现表格识别，主要用到的AI能力与算法有：AI：版面分析能力 （通过AI版面分析检测表格在图片内所处的区域）AI：OCR能力（通过OCR实现识别表格内容）算法：图像处理算法（通过结合图像处理算法辅助获取表格结构信息）通过以上的AI与算法再结合一些表格识别算法即可实现通用表格识别 整体识别流程2.1 流程图图片2.2 图像处理部分大致流程图像处理的大致流程为：对输入的表格图片进行预处理通过形态学算法过滤非线条信息检测线条与block得到表格的基础信息3. ": 93,//表格高度 "rows": 3,//表格行数 "cols": 3,//表格列数 "position": [111, 266, 683, 266, 683, 359, 111, 359 "end_row": 3, "start_col": 3, "end_col": 3, "text": "23%", "position": [380
3.2K40编辑于 2023-08-09 - 来自专栏燧机科技-视频AI智能分析
AI人员打架识别算法
AI打架识别算法基于Detection网络模型算法框架，AI打架识别算法识别校园打架斗殴行为，发现立即打架斗殴行为算法会立即抓拍告警推送打架事件信息。 ，而AI人员打架识别算法直接从图片生成位置和类别。 研究现状 目前AI人员打架识别算法，主要有3种主流的方法，分别是：（1）基于Detection的打架检测。其主要思想是: 将打架作为一种类别，通过分类的方式，将打架行为检测出来。 （3）基于视频理解的打架检测。其主要思想是： 基于时序进行判断。打架对时序有着较强的依赖，利用目标检测技术去识别打架容易出现误检测或者漏检情况。 基本流程是：Labelme标注 -> 标注数据整理与格式转换 -> AI人员打架识别算法模型训练 -> 部署2.2 AI人员打架识别算法标注数据整理与格式转换 Labelme标注的数据，无法直接用在训练中
1.4K20编辑于 2023-09-22 - 来自专栏燧机科技-视频AI智能分析
ai行为识别技术监控
ai行为识别技术监控系统软件是一种以行为识别技术为关键技术的深度学习算法，根据人工智能化神经元网络，构造大家的主要模块架构，ai行为识别技术监控 依据我们的轨迹测算各种各样健身运动行为，根据视频转码技术 、流媒体播放技术、数字矩阵技术、云技术等，ai行为识别技术监控拍照的各类现场作业人员的异常行为，帮助监控工作人员提高解决各类出现异常紧急事件的效率。 ai行为识别技术监控具备普遍的应用领域，可以用在智能交通、智能化施工工地、智能制造系统、智慧校园、智能化生态公园等。只需有视频监控的地区，就可以完成覆盖识别分析。 ai行为识别技术监控是一种极致的视觉检测系统，应用人工智能视频分析优化算法对视频图象开展即时解析和识别，将监测到的信息与管理者给予的监控规则相对比，并即时消息推送信息和预警信息。 ai行为识别技术监控剖析，可以在紧急状况下开展预警信息，该技术关键完成了对视频监控具体内容数据的分析和获取主要信息内容，并在标识后产生警示。
70520编辑于 2022-09-12 - 来自专栏VoiceVista语音智能
专访 - Sensory CEO Todd Mozer - AI, 3D人脸识别以及其他
Sensory Inc.作为向全球移动设备提供先进的复杂生物识别算法的供应商，于近期展示了其采用面部和声音识别算法的AI虚拟银行助理技术。 以下为demo视频 - Sensory于近期更新了其TrulySecure平台至4.0版本，支持3D面部识别和增强AI系统，比传统的2D面部识别的准确率提升了50%。 ? AI)和其他话题。 在面部生物识别部分，我们增加了对3D Camera的支持。 随着3D Camera的越来越普及，可以提供更好的暗光环境下性能，支持更大角度的面部识别，并且最重要的更强悍的防欺骗性能(Anti-spoofing)。
97520发布于 2019-10-30 基于 3D 关键点位移的 AI 人脸识别 API 集成指南
我们通过其YouCamAPI开放的AI人脸识别API，提供了一套基于深度学习的面部拓扑重塑方案。该API允许开发者通过参数化控制，在保留原始肤质纹理的前提下，实现亚像素级的五官微调。 一、技术底层：3D面部网格与非生成式变形场与AIGC（生成式AI）通过像素合成改变容貌不同，我们的AI人脸识别技术采用的是结构化几何变形逻辑。 1.2D/3D混合关键点对齐API内部集成了高精度的人脸对齐算法，能够实时锁定面部关键特征点。 即是在弱光环境下采集的低质量图像，AI也能通过关键点补足，维持重塑效果的边缘平滑度（Anti-aliasing）。3.数据隐私与合规我们的AIAPI遵循数据最小化处理原则。 四、总结我们的AI人脸识别API为开发者提供了一个高性能的面部几何编辑引擎。通过简洁的JSON参数控制，技术团队可以快速在应用中部署专业级的虚拟塑形功能，显著提升产品的交互深度与视觉表现力。
14310编辑于 2026-02-13- 来自专栏全栈程序员必看
AI图像识别_头像搜索图片识别在线
使用百度AI图像识别提供的API接口来搭建识图工具，首先要注册百度开发者账号，然后找到图像识别页面，创建应用，申请成功后会给两个重要的数据API Key ，Secret Key，这是实现识图的重要参数， QFileDialog import json import base64 import urllib import urllib.request """ 你的 APPID AK SK """ # http://ai.baidu.com () == 2: self.get_animal(self.get_token()) pass #通用识别 elif self.comboBox.currentIndex() == 3: self.get_advanced_general self.label_3.setText(strover) # 1植物识别 def get_plant(self, access_token): request_url = "https://aip.baidubce.com setText(strover) # 3 通用物体识别 def get_advanced_general(self, access_token): request_url = "https://aip.baidubce.com
4.6K10编辑于 2022-09-20 - 来自专栏算法之名
3D点云识别
上图中激光雷达位于圆圈的中心，周围产生的光点就是产生的3D点云。它的中心一般由一辆携带激光雷达的汽车来进行360度的扫描 在上面的两张图中，一个是正常的角度，一个是俯视图。 精确：+/-2cm 图像 vs 点云 点云：简单精确适合几何感知 图像：丰富多变适合语义感知 这两种感知手段在ADAS(自动驾驶)场景中各有各的用处，比如说交通信号，3D点云就无法感知，只能通过图像识别来进行感知 3D点云数据来源 CAD模型：一般分类/分割问题的数据集是CAD。 的，我们要用的就是这个3d的数据集 跟踪数据集 分割数据集 这些都是将原始数据集处理一下，来应对各种细分的算法。 object dectection(物体检测)、tracking(追踪) 数据采集场景:Road(道路)、City(城市)、Residential(住宅区)、Campus(校园)、Person(人) 3D
2.2K20编辑于 2022-03-24 - 来自专栏程序你好
Azure AI 服务之语音识别
笔者在前文《Azure AI 服务之文本翻译》中简单介绍了 Azure 认知服务中的文本翻译 API，通过这些简单的 REST API 调用就可以轻松地进行机器翻译。 该程序会以不同的模式识别我们 hardcode 的两段音频数据，然后输出识别的结果。其中上面的文本框会输出大量的中间识别结果，而下面的文本框则输出最终的识别结果。 我们在程序中通过定义的常量来保存它们： const string SUBSCRIPTIONKEY = "your bing speech API key"; 由于 demo 的代码比较长，为了能集中精力介绍 Azure AI 代码中我们要通过它们来告诉语音识别 API 执行识别的类型。 AI 的兴起让我们看到了一线希望，在介绍了 Azure AI 的语音识别服务后，让我们接着探索如何通过 AI 让程序理解文本的内容。
1.8K20发布于 2018-07-20 - 来自专栏毛利学Python
智能盘点—钢筋数量AI识别
赛题名称 https://www.datafountain.cn/competitions/332 智能盘点—钢筋数量AI识别 赛题背景 在工地现场，对于进场的钢筋车，验收人员需要对车上的钢筋进行现场人工点根
1.2K10编辑于 2022-12-20 - 来自专栏燧机科技-视频AI智能分析
AI智能工服识别算法
AI智能工服识别算法通过yolov5+python网络深度学习算法模型，AI智能工服识别算法通过摄像头对现场区域利用算法分析图像中的工服特征进行分析实时监测工作人员的工服穿戴情况，识别出是否规范穿戴工服 AI智能工服识别算法特征提取是指提取工服中的点或者块。因此不需要精确的人体定位和跟踪，并且局部特征对人体的表观变化，视觉变化和部分遮挡问题也不是很敏感。因此在行为识别中采用这种特征的分类器比较多。 AI智能工服识别算法识别中的局部特征点是视频中时间和空间中的点，这些点的检测发生在视频运动的突变中。因为在运动突变时产生的点包含了对人体行为分析的大部分信息。 AI智能工服识别算法对于卷积层，主要使用1x1卷积来做channle reduction，然后紧跟3x3卷积。 除了上面这个结构，AI智能工服识别算法提出了一个轻量级版本Fast Yolo，其仅使用9个卷积层，并且卷积层中使用更少的卷积核。
54920编辑于 2023-09-14 - 来自专栏燧机科技-视频AI智能分析
AI人员打闹监测识别算法
AI人员打闹监测识别算法通过yolo+python网络模型框架算法， AI人员打闹监测识别算法能够准确判断出是否有人员进行打闹行为，算法会立即发出预警信号。 图片在介绍AI人员打闹监测识别算法之前，首先先介绍一下滑动窗口技术，这对我们理解AI人员打闹监测识别算法Yolo算法是有帮助的。 但是这个方法有致命的缺点，就是你并不知道要检测的目标大小是什么规模，所以你要设置AI人员打闹监测识别算法不同大小和比例的窗口去滑动，而且还要选取合适的步长。 AI人员打闹监测识别算法很好的解决了这个问题，它不再是窗口滑动了，而是直接将原始图片分割成互不重合的小方块，然后通过卷积最后生产这样大小的特征图，基于上面的分析，可以认为AI人员打闹监测识别算法特征图的每个元素也是对应原始图片的一个小方块 ，然后用每个元素来可以预测那些中心点在该小方格内的目标，这就是AI人员打闹监测识别算法的朴素思想。
45830编辑于 2023-09-23 - 来自专栏燧机科技-视频AI智能分析
ai安全帽识别检测
ai安全帽识别检测通过python+yolov5网络模型深度学习AI视频分析技术，ai安全帽识别检测对现场人员是否佩戴安全帽进行识别检测，ai安全帽识别检测一旦发现现场工人员没有按要求佩戴安全帽，自动进行预警并保存图像到本地同步提示后台人员及时处理 我们选择当下YOLOv5来进行安全帽识别检测。6月9日，Ultralytics公司开源了YOLOv5，离上一次YOLOv4发布不到50天。而且这一次的YOLOv5是完全基于PyTorch实现的！ Mosaic数据增强、自适应锚框计算、自适应图片缩放；2.Mosaic数据增强：Mosaic数据增强的作者也是来自YOLOv5团队的成员，通过随机缩放、随机裁剪、随机排布的方式进行拼接，对小目标的检测效果很不错3.
78230编辑于 2023-03-20 AI图像识别检测系统
在数字化转型浪潮中，图像识别检测系统正成为连接物理世界与数字空间的核心纽带。 一、核心技术优势解析相较于传统方案，AI图像识别检测系统在多个维度实现突破性提升：在识别精度上，传统方案受光照、角度影响大，而智能系统通过自适应环境增强模型鲁棒性，大幅降低环境干扰带来的误差；处理速度方面 （二）医疗影像辅助诊断放射科医生面对海量CT/MRI片子时，AI助手能优先标出可疑病灶区域，并标注置信度分数。在肺结节筛查场景中，系统对微小钙化点的敏感度达到96%，有效弥补人为阅片的视野盲区。 该方案使重点路段事故率环比下降18%，执法取证效率提升3倍，助力交通管理智能化转型。（四）农业病虫害监测无人机搭载多光谱相机巡田时，系统通过叶面纹理分析判断作物健康状况。 这些突破将推动图像识别技术向更多长尾场景渗透，真正实现“所见即所知”的智慧愿景。
57210编辑于 2025-10-16- 来自专栏燧机科技-视频AI智能分析
ai视频智能识别系统
视频监控智能分析技术又叫智能视频分析技术，该技术诞生于机器视觉及边缘计算。视频监控智能分析技术是当下在人们生活中应用范围很广的技术之一。智能视频分析技术能够现场监控传回的视频流中抓取图片及人体状态动作信息，建立图片与规则建立映射关系。
2.2K10编辑于 2022-09-07
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