标签分类
当前位置:首页 > 人工智能电子书 > 人脸识别电子书网盘下载
人脸识别原理与实战:以MATLAB为工具 人脸识别原理与实战:以MATLAB为工具
ZerosCoder

ZerosCoder 提供上传

资源
15
粉丝
23
喜欢
53
评论
3

    人脸识别原理与实战:以MATLAB为工具 PDF 影印完整版

    人脸识别电子书
    • 发布时间:

    给大家带来的一篇关于人脸识别相关的电子书资源,介绍了关于人脸识别、MATLAB方面的内容,本书是由电子工业出版社出版,格式为PDF,资源大小159.4 MB,王文峰编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:9.8,更多相关的学习资源可以参阅 人工智能电子书、等栏目。

  • 人脸识别原理与实战:以MATLAB为工具 PDF 下载
  • 下载地址:https://pan.baidu.com/s/1m1bI07_KYYsnhZc36d6Zzg
  • 分享码:zrn3
  • 人脸识别原理与实战:以MATLAB为工具 PDF

    面部识别是当今尖端科技的协同创新技术性。《人脸识别原理与实战:以MATLAB为工具》做为人脸识别技术的新手入门手册,在內容上尽量包含了面部识别的每个技术性控制模块,并着眼于创作者在中科院、211工程大学國家重中之重试验室从业视頻鉴别与视频监控系统新项目开发设计的科学研究积淀及实战感受,共享了创作者对人脸识别算法设计方案的某些亲自感受和了解。《人脸识别原理与实战:以MATLAB为工具》以问题为导向,将对人脸识别技术的科学研究与运用区划为新手入门、升阶和实战这3个环节,逐层提高,详细重现了创作者在人脸识别技术探求环节的某些简易试着和体会心得,一起解读了某些较为最前沿的鉴别计算方法,并共享了创作者对其计算方法观念的了解和感受,及其创作者在科研开发实战环节的感受和了解,涉及到人脸识别技术设计方案、图象界面设计等內容。《人脸识别原理与实战:以MATLAB为工具》包括的全部实例均装有详尽的编码注解,有利于用户深层次了解人脸识别算法的设计方案观念,以具有规模性程序编写需要的技术性控制模块设计方案和集成化开发设计工作能力。

    《人脸识别原理与实战:以MATLAB为工具》內容浅显易懂,适用对面部识别很感兴趣但缺乏技术专业基本和编程基础的用户。不论是对人脸识别技术很感兴趣的专业技术人员,還是已经有关行业开展学习培训的在校大学生,能够根据这书,轻轻松松保持从零开始到升阶再到实战的技术性成才,并感受阅读的乐趣!

    目录

    • 第1章 图像轮廓提取及人脸检测 1
    • 第2章 图像边界显示及人脸对齐 41
    • 第3章 图像采样编码及人脸重构 85
    • 第4章 视频图像转换及人脸跟踪 140
    • 第5章 类脑视觉认知及人脸识别 197

    上一篇:Verilog数字系统设计教程  下一篇:程序员面试金典

    展开 +

    收起 -

    人脸识别相关电子书
    学习笔记
    网友NO.435028

    python dlib人脸识别代码实例

    本文实例为大家分享了python dlib人脸识别的具体代码,供大家参考,具体内容如下 import matplotlib.pyplot as pltimport dlibimport numpy as npimport globimport re #正脸检测器detector=dlib.get_frontal_face_detector()#脸部关键形态检测器sp=dlib.shape_predictor(r"D:\LB\JAVASCRIPT\shape_predictor_68_face_landmarks.dat")#人脸识别模型facerec = dlib.face_recognition_model_v1(r"D:\LB\JAVASCRIPT\dlib_face_recognition_resnet_model_v1.dat") #候选人脸部描述向量集descriptors=[] photo_locations=[] for photo in glob.glob(r'D:\LB\JAVASCRIPT\faces\*.jpg'): photo_locations.append(photo) img=plt.imread(photo) img=np.array(img) #开始检测人脸 dets=detector(img,1) for k,d in enumerate(dets): #检测每张照片中人脸的特征 shape=sp(img,d) face_descriptor=facerec.compute_face_descriptor(img,shape) v=np.array(face_descriptor) descriptors.append(v)#输入的待识别的人脸处理方法相同img=plt.imread(r'D:\test_photo10.jpg')img=np.array(img)dets=detector(img,1)#计算输入人脸和已有人脸之间的差异程度(比如用欧式距离来衡量)differences=[]for k,d in enumerate(dets): shape=sp(img,d) face_descriptor=facerec.compute_face_descriptor(img,shape) d_test=np.array(face_descriptor) #计算输入人脸和所有已有人脸描述向量的欧氏距离 for i in descriptors: distance=np.linalg.norm(i-d_test) differences.append(distance) #按欧式距离排序 欧式距离最小的就是匹配的人脸candidate_count=le……

    网友NO.336700

    Python基于OpenCV库Adaboost实现人脸识别功能详解

    本文实例讲述了Python基于OpenCV库Adaboost实现人脸识别功能。分享给大家供大家参考,具体如下: 以前用Matlab写神经网络的面部眼镜识别算法,研究算法逻辑,采集大量训练数据,迭代,计算各感知器的系数。。。相当之麻烦~而现在运用调用pythonOpenCV库Adaboost算法,无需知道算法逻辑,无需进行模型训练,人脸识别变得相当之简单了。 需要用到的库是opencv(open source computer vision),下载安装方式如下: 使用 pip install numpy 语句安装numpy (如果出现错误: Microsoft Visual C++ 9.0 is required unable to find vcvarsall.bat ,使用管理员身份安装 Microsoft Visual C++ 9.0,重新启动计算机,再使用使用 pip install numpy 语句安装numpy opencv2.4.10下载 下载之后解压(随便解压到哪里),将解压目录opencv文件夹中,build-python-2.7-x86下的文件cv2.pyd 复制到 python2.7\Lib\site-packages 中 测试是否安装成功,执行解压目录下的 sources\samples\python\drawing.py 或者进入python环境,使用 import cv2 首先讲讲需要用到的新函数: CascadeClassifier() 函数,导入分类器 cv2.CascadeClassifier('xxxxx.xml')#haarcascade_frontalface_alt.xml脸部识别文件#haarcascade_eye.xml眼部识别文件 函数的参数是xml完整路径(具体看你的opencv安装在哪里的,在 opencv\sources\data\haarcascades 下面),xml文件中是封装好的算法 detectMultiScale() 函数,进……

    网友NO.194015

    python利用Opencv实现人脸识别功能

    本文实例为大家分享了python利用Opencv实现人脸识别功能的具体代码,供大家参考,具体内容如下 首先:需要在在自己本地安装opencv具体步骤可以问度娘 如果从事于开发中的话建议用第三方的人脸识别(推荐阿里) 1、视频流中进行人脸识别 # -*- coding: utf-8 -*- import cv2import sysfrom PIL import Image def CatchUsbVideo(window_name, camera_idx): cv2.namedWindow(window_name) # 视频来源,可以来自一段已存好的视频,也可以直接来自USB摄像头 cap = cv2.VideoCapture(camera_idx) # 告诉OpenCV使用人脸识别分类器 classfier = cv2.CascadeClassifier("/usr/share/opencv/haarcascades/haarcascade_frontalface_alt2.xml") # 识别出人脸后要画的边框的颜色,RGB格式 color = (0, 255, 0) count=0 while cap.isOpened(): ok, frame = cap.read() # 读取一帧数据 if not ok: break # 将当前帧转换成灰度图像 grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 人脸检测,1.2和2分别为图片缩放比例和需要检测的有效点数 faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32)) if len(faceRects) 0: # 大于0则检测到人脸 count=count+1 return count if __name__ == '__main__': result=CatchUsbVideo("识别人脸区域", '2222.mp4') if result0: print('视频中有人!!') else: print('视频中无人!!') 2、通过图片识别人脸 #-*-coding:utf8-*-# import osimport cv2from PIL import Image,ImageDrawfrom datet……

    Copyright 2018-2019 xz577.com 码农之家

    版权责任说明