机器视觉

# 计算两个128D向量间的欧式距离 def return_euclidean_distance(feature_1, feature_2): feature_1 = np.array(feature_1) feature_2 = np.array(feature_2) dist = np.sqrt(np.sum(np.square(feature_1 - feature_2))) return dist

应用介绍

import dlib          # 人脸处理的库 Dlib

import numpy as np   # 数据处理的库 numpy

import cv2           # 图像处理的库 OpenCv

import pandas as pd  # 数据处理的库 Pandas

import time

# 人脸识别模型,提取128D的特征矢量

# 计算两个128D向量间的欧式距离

def return_euclidean_distance(feature_1, feature_2):

    feature_1 = np.array(feature_1)

    feature_2 = np.array(feature_2)

    dist = np.sqrt(np.sum(np.square(feature_1 - feature_2)))

    return dist

# 处理存放所有人脸特征的 csv

path_features_known_csv = "data/features_all.csv"

csv_rd = pd.read_csv(path_features_known_csv, header=None)

# 用来存放所有录入人脸特征的数组

features_known_arr = []

# 读取已知人脸数据

for i in range(csv_rd.shape[0]):

    features_someone_arr = []

    for j in range(0, len(csv_rd.ix[i, :])):

        features_someone_arr.append(csv_rd.ix[i, :][j])

    features_known_arr.append(features_someone_arr)

print("Faces in Database:", len(features_known_arr))

# Dlib 检测器和预测器

# The detector and predictor will be used

detector = dlib.get_frontal_face_detector()

predictor = dlib.shape_predictor('data/data_dlib/shape_predictor_68_face_landmarks.dat')

# 创建 cv2 摄像头对象

# cv2.VideoCapture(0) to use the default camera of PC,

。。。。。。。。。。。。了解详情请下载附件

文件列表(部分)

名称 大小 修改日期
face_reco.py2.62 KB2020-08-06
get_face.py2.90 KB2019-07-08
save_feature.py1.49 KB2019-07-08
Machine-Vision0.00 KB2020-08-06

立即下载

相关下载

[使用 Arduino 和 MATLAB 的 Rubik Cube 求解器] 此仿真模型是使用 Arduino 和 MATLAB 的 Rubik Cube 求解器。 使用图像处理和 Arduino 控制的伺服电机解决魔方。
[读取 RAW 相机图像] 此文档是读取 RAW 相机图像。 使用 DCRAW 或 LibRAW 从 Matlab 中读取 RAW 相机图像。
[条形码] 此项目是EAN13条形码识别的译码技术,在基于机器视觉技术上,构建了一套条形码在线检测识别系统,系统将由以下几个部分构成:条形码图像定位与采集、计算机图像预处理、条形码图像中值滤波去噪、条码解析与识读。经过实验,确定该系统可对绝大部分EAN13条形码进行快速并准确的识读。 。。。。。想了解详情请下载附件
[机器视觉] # 计算两个128D向量间的欧式距离 def return_euclidean_distance(feature_1, feature_2): feature_1 = np.array(feature_1) feature_2 = np.array(feature_2) dist = np.sqrt(np.sum(np.square(feature_1 - feature_2))) return dist
[基于机器视觉的害虫种类及数量检测] 基于机器视觉的害虫种类及数量检测,数目检测和昆虫种类识别 摄像头Frame中检测虫体数目,并在界面中显示标出,学习昆虫图像特征的提取,参考论文中提出的几个特征量,提取特征量并进行保存, 按照神经网络方法搭建训练模型 ,搭建了线性SVM分类训练器,将特征提取和UI界面建立连接,实现拍照和预测判断一体 机器学习训练算法
[使用Verilog HDL在FPGA上进行图像处理] 此项目是使用Verilog HDL在FPGA上进行图像处理。该FPGA项目旨在详细显示如何使用Verilog处理图像,方法是在Verilog中读取输入位图图像(.bmp),在Verilog中处理并将处理后的结果写入输出位图图像。 提供了用于读取图像,图像处理和写入图像的完整Verilog代码。如想了解详情请下载附件。

评论列表 共有 0 条评论

暂无评论

微信捐赠

微信扫一扫体验

立即
上传
发表
评论
返回
顶部