- 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(4)—人脸识别
本篇博文是Python+OpenCV实现AI人脸识别身份认证系统的收官之作，在人脸识别原理到数据采集、存储和训练识别模型基础上，实现人脸识别，废话少说，上效果图： ? 案例引入 在Python+OpenCV实现AI人脸识别身份认证系统(3)——训练人脸识别模型中主要讲述神经网络模型的训练过程，使用OpenCV模块中的LBPH（LOCAL BINARY PATTERNS HISTOGRAMS）人脸识别器算法（cv2.face.LBPHFaceRecogni zer_create()方法实现），训练生成“.yml”后缀的模型文件。 人脸识别的过程也非常简单，通过使用OpenCV模块读取“.yml”后缀的识别模型文件，实现人脸识别。 示例代码如下所示：
4.2K30发布于 2021-01-20 - 来自专栏逆向与安全
一张A4纸攻破某AI人脸识别产品
图3-4 四、攻击流程分析 4.1、攻击方案尝试 第一次尝试是在手机中打开一张静态照片来模拟攻击，AI能识别出图片中的人脸，但是被检测出不是真人，“人脸验证失败”,结果如图4-1所示： ? 图 4-1 第二次尝，通过第一次的尝试后我想应该是AI有检测人脸是否有动态的特征我再次将一个视频放在手机中播放来欺骗AI，但是最终还是没有成功。 经过两次尝试后，还是不能过掉AI活体检测，我最终决定分析APP识别人脸的整个过程和逻辑，是否能反向推导出识别模型，然后再构造出一张对抗性图像或视频数据来达到攻击模型的目的。 图4-6 这种方式是不改变目标AI学习系统的情况下，通过构造特定输入样本以完成欺骗目标系统的攻击。我用一张A4纸打印了一张非真人脸图做测试，在没有真人脸的情况下成功通过验证。 在构造对抗性数据的过程中，攻击者并不知道AI所使用的算法和参数，但攻击者仍能与AI系统有所交互，比如可以通过传入任意输入观察输出，判断输出。或者攻击者可以通过逆向分析推导掌握AI模型参数信息。
2.1K20发布于 2021-08-05 - 来自专栏大数据智能实战
AI展示框架(4)：基于flask的图像场景识别web程序构建
图像场景识别是DL＋计算机视觉处理的入门程序之一，因此在构建AI展示框架的第一步，则是实现基于flask的图像场景识别。 #image_binary = image.read() classlist,totaltime = imagenet_logits.RecognizeScene(ai_dir 'dpn68', 'dpn68b', 'dpn92', 'dpn98', 'fbresnet152', 'inceptionresnetv2', 'inceptionv3', 'inceptionv4' ', 'resnext101_64x4d', 'se_resnet101', 'se_resnet152', 'se_resnet50', 'se_resnext101_32x4d', 'se_resnext50 _32x4d', 'senet154', 'squeezenet1_0', 'squeezenet1_1', 'vgg11', 'vgg11_bn', 'vgg13', 'vgg13_bn', 'vgg16
1.3K20发布于 2019-05-26 - 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。
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)
，主要包括（行数，列数，合并单元格数）目前DocumentAI表格识别已实现V2版本，大幅提升标准表格的识别准确率，具体信息会在下一篇blog中再具体说明1. 扫描的手写文档，它们的文档样式、所处光照环境以及纹理等都有比较大的差异，表格识别一直是文档识别领域的研究难点。 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 ，同时支持识别标准表格与非标准表格2.
3.2K40编辑于 2023-08-09 - 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。。 如果正常，返回的将是多长JSON数据 "{\"FaceModelVersion\":\"3.0\",\"FaceNum\":8,\"RequestId\":\"ec774481-52ac-4cbb-9d6a 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。 mSurfaceview = (SurfaceView) this.findViewById(R.id.arc_hf_video_view); holder = mSurfaceview.getHolder(); 4、 这样我们的AI识别之旅就算踏出了第一~
1K51发布于 2020-02-21 - 来自专栏四楼没电梯
java验证码识别--4
java验证码识别--1 http://blog.csdn.net/problc/article/details/5794460 java验证码识别--2 http://blog.csdn.net/problc 4 http://blog.csdn.net/problc/article/details/5846614 java验证码识别--5 http://blog.csdn.net/problc/article 完整eclipse工程http://download.csdn.net/detail/problc/3829004 验证码识别如果识别率都是100%，那验证码也就没存在的必要了。 其实很多验证码能达到10%的识别率就不错了。 下面来一个稍微复杂一点的，识别率85%左右。 识别结果 啥也不说了，贴代码 public class ImagePreProcess4 { private static Map<BufferedImage, String> trainMap =
32110编辑于 2024-10-12 - 来自专栏全栈程序员必看
java 图片识别 tess4j_JAVA使用Tess4J进行ocr识别
Tess4J是对Tesseract OCR API.的Java JNA 封装。使java能够通过调用Tess4J的API来使用Tesseract OCR。 TIFF,JPEG,GIF,PNG,BMP,JPEG,and PDF Tesseract 的github地址：https://github.com/tesseract-ocr/tesseract Tess4J 的github地址：https://github.com/nguyenq/tess4j Tess4J API 提供的功能： 1、直接识别支持的文件 2、识别图片流 3、识别图片的某块区域 4、将识别结果保存为 TEXT/ HOCR/ PDF/ UNLV/ BOX 5、通过设置取词的等级，提取识别出来的文字 6、获得每一个识别区域的具体坐标范围 7、调整倾斜的图片 8、裁剪图片 9、调整图片分辨率 10、从粘贴板获得图像 12、图片转换为二进制、黑白图像、灰度图像 13、反转图片颜色 demo.java: /** * Test of doOCR method, of class Tesseract. * 根据图片文件进行识别
3.5K10编辑于 2022-09-05 - 来自专栏自然语言处理
实体识别(4) -基于Bert进行商品标题实体识别
基于Bert进行实体识别任务微调 所需要的pip包 pandas numpy sklearn pytorch transformers： https://github.com/ import cuda device = 'cuda' if cuda.is_available() else 'cpu' print(device) cuda 数据处理 比赛数据下载地址：商品标题实体识别 I-4,I-4,I-4,B-4,I-4,I-4,B-29,I-29,I-29,I-29,I-29,I-29,B-9,I-9,B-5,I-5,B-40,I-40,B-4,I-4,B-40,I-40,B-5 I-4,I-4,B-14,I-14,B-5,I-5,B-4,I-... , 'I-4', 'I-4', 'B-14', 'I-8', 'B-5', 'I-5', 'B-4', 'I-4', 'B-7', 'I-7', 'B-4', 'I-4', 'I-4', 'B-11',
1.1K30编辑于 2023-08-25 - 来自专栏猫头虎博客专区
利用GPT4o Captcha工具和AI技术全面识别验证码
利用GPT4o Captcha工具和AI技术全面识别验证码 摘要 GPT4o Captcha工具是一款命令行工具，通过Python和Selenium测试各种类型的验证码，包括拼图、文本、复杂文本和reCAPTCHA GPT4o Captcha工具利用先进的AI技术，有效应对各种类型的验证码。 Q2: 如果遇到验证码识别错误，怎么办？ 您可以尝试： 1. 检查输入的验证码类型是否正确。 2. 查看日志输出，确定错误信息。 3. 尝试多次运行工具，以提高成功率。 总结 GPT4o Captcha工具结合了AI技术，为验证码测试提供了强大的解决方案。不论是简单的文本验证码还是复杂的reCAPTCHA，都能通过该工具进行有效测试。 未来展望 未来，随着AI技术的不断进步，GPT4o Captcha工具将会进一步提升验证码破解的效率和准确性。期待更多的功能和改进，为开发者和用户提供更优质的使用体验。
59110编辑于 2025-06-01 - 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 - 来自专栏想到什么就分享
Maix Bit 系列心得（4）--- 人脸识别
通过 kflash_gui 烧录人脸识别模型至 FLASH，Maix Bit 开发板上芯片K210跑人脸识别脚本，实现人脸识别。 image.Image() # 设置显示buf img_face=image.Image(size=(128,128)) #设置 128 * 128 人脸图片buf a=img_face.pix_to_ai a = img.draw_circle(re[0], re[1], 4) a = img.draw_circle(nose[0], nose[1], 4 ) a = img.draw_circle(lm[0], lm[1], 4) a = img.draw_circle(rm[0], rm[1], 4) # (img, img_face, T) #对原始图片人脸图片进行仿射变换，变换为正脸图像 a=img_face.ai_to_pix() # 将正脸图像转为kpu格式
1.1K30发布于 2021-08-05 - 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。 2.选取的方案 我这里选择方案1，AI人员打架识别算法基于目标检测做打架识别。前文也提到了，目前数据集十分匮乏。笔者也是反复查找，终于拿到了国外的一份很好的数据集。 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 Form", "动物")) self.comboBox.setItemText(3, _translate("Form", "通用物体和场景")) self.comboBox.setItemText(4, (self.get_token()) pass # 红酒识别 elif self.comboBox.currentIndex() == 4: self.get_redwine(self.get_token general_result['error_msg'] strover += ' 错误：\n {} \n '.format(error_msg) self.label_3.setText(strover) #4红酒识别
4.6K10编辑于 2022-09-20 - 来自专栏全栈程序员必看
图像文字识别（四）：java调用tess4j识别图像文字
Tesseract-OCR支持中文识别，并且开源和提供全套的训练工具，是快速低成本开发的首选。 Tess4J在英文和数字识别中性能比较好，但是在中文识别中，无论速度还是识别率还是较弱，因此需要针对场景进行训练，才能获得较好结果。 这篇博客简单记录一下在java中通过调用tess4j的方式识别图片的文字内容。 ，需要指定识别语种，并且需要将对应的语言包放进项目中 instance.setLanguage("chi_sim"); // 指定识别图片 ： 可以看到，tess4j在中文识别时，无论速度还是识别率还是较弱，需要针对场景进行训练，才能获得较好结果。
6.3K40编辑于 2022-06-29 - 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 - 来自专栏燧机科技-视频AI智能分析
AI行为识别视频监控系统
伴随着科技的发展，AI行为识别视频监控系统在安防监控行业也得到了长足的进步。尤其是，AI行为识别视频监控系统方面的公司将动态性认知能力视作公司发展的核心技术之一。 传统的视频检测技术在这方面的功能很差，同一台监控摄像头可以识别的出现异常行为十分比较有限。AI行为识别视频监控系统来自机器视觉技术的革新。机器视觉技术应用是人工智能技术分析的一个支系。 人工智能技术行为识别可以精确识别情景当中人员的异常行为，而传统化的安防监控是各种各样情景转变后形成的视频，不可以精确识别人的实际出现异常行为。 AI行为识别视频监控系统可以将身体的运作可以包含走动、蹲、坐、跳、跑等进行数据分析，这些行为是人们日常生活的基础方式，这种方式的表現可以使我们得到许多信息内容，如识别经常或长期闭上眼可以识别人们总想睡觉 ，可以运用于安全驾驶危险驾驶警示；在引喻动作中，OK手势可以识别为取得成功或提前准备进行等信息内容；可以看得出，合理的有效识别可以传递很多的信息内容，随后在AI行为识别视频监控系统等行业充分发挥至关重要的智能化和信息内容功效
1.4K30编辑于 2022-09-04 - 来自专栏全栈程序员必看
tess4j验证码识别
tess4j的安装和使用 参考：https://www.cnblogs.com/cmyxn/p/6993422.html tess4j提高识别率 1.对称近邻均值滤波 参考：http://blog.csdn.net 如只需要识别数字，则指定whitelist为0123456789即可。 比如验证码起始位置和结束位置很多空白的，可以去掉，只对验证码区域做识别。 4.训练字库，提升识别率 http://blog.csdn.net/white0blue/article/details/47972405 http://blog.csdn.net/tuling_research http://console.bce.baidu.com/ai/#/ai/ocr/overview/index 1天500次的免费调用，一般也足够使用了。
1.2K10编辑于 2022-07-01 - 来自专栏全栈程序员必看
基于Tess4j的图片识别
Tess4J是对Tesseract OCR API的Java JNA 封装。 通过强大的API从图片中识别和提取文本内容。Tess4J支持主流的图片格式，如TIFF,JPEG,GIF,PNG,BMP,and PDF。 OCR(Optical Character Recognition，光学字符识别)是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程 – https://mvnrepository.com/artifact/net.sourceforge.tess4j/tess4j –> <dependency> <groupId >net.sourceforge.tess4j</groupId> <artifactId>tess4j</artifactId> <version>4.3.1</version
2K40编辑于 2022-08-31
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