本文主要是介绍Python dlib(HOG+SVM)人脸识别总结,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
Python dlib(HOG+SVM)人脸识别总结
-
面部标志检测
dlib 68点(HOG+SVM),194点人脸识别模型,包括口(外嘴唇,内嘴唇),鼻,眉毛(左右眉),眼睛(左右眼),下鄂
5点面部标志检测器(左眼2点,右眼2点,鼻子1点)面部对齐更高效 -
眨眼检测 ear 眨眼瞬间达到0
-
疲劳驾驶检测—连续帧ear
-
面部对齐 眼睛 连线反正切获取旋转角度,期望图像眼睛横长度计算比率 左眼计算右眼相对坐标 眼睛横中心点作为旋转点,获取旋转矩阵 应用仿射变换
5点更适用于面部对齐,68点适用于眨眼检测及疲劳驾驶。
Haar级联:快速,但准确性较低。调整参数可能会很麻烦;
HOG +线性SVM:通常(显著)比Haar级联更准确,假阳性更少。在测试时需要调整的参数较少。与Haar级联相比,速度可能较慢。
基于深度学习的检测器:经过正确培训,其比Haar级联和HOG +线性SVM显着更准确,更耐用。根据模型的深度和复杂性,它可能非常慢。可以通过在GPU上执行检测来加快速度;
人脸检测:dlib(5面部对齐/68眨眼检测疲劳驾驶),opencv的haar级联(有无人脸。从左到右从上到下滑动窗口;易于伪阳性,小快但准确性稍
这篇关于Python dlib(HOG+SVM)人脸识别总结的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!