我有一个非常大的照相馆,有成千上万的人,对象,位置,事物.照片中的大多数人都有自己的用户帐户和阿凡达照片可以匹配的.根据每张照片可用的其他数据,也有可能在照片中的逻辑简短列表.我允许用户与他们的朋友和认识的人一起标记照片,但是自动化过程会更好. 我已经使用了face.com的照片标记器/查找器与Facebook照片集成,而Google Picasa Photo for Personal Albums也做了同样的事情,这正是我要做的. 是否有用于Google Picasa,face.com或其他识别服务的PHP脚本,或其他提供服务器端面部面部识别和/或按相似性分组照片的开源项目? 示例:,如您所见,各种照片共享网站提供了该功能,但是是否有为存储在我自己的服务器上存储的图像的API,或者有足够的广泛链接到我自己的画廊中和标记系统? php-纯php中的面部检测 /li> opencv face.com - 用于在Facebook中查找和标记照片的应用> Googl
以下是关于 face-recognition 的编程技术问答
(超级用户在Superuser上提出了类似的问题以寻求与应用程序有关的答案.此处发布的问题是为了收集相同的可编程解决方案) 在我的工作场所,护照尺寸的照片被一起扫描,然后切成单个图片并用独特的文件编号保存.目前,我们使用Paint.net手动选择,剪切和保存图片. 样品扫描文档picasa屏幕截图: (来自:Google Image搜索多个来源,Fairues) 例如.在Picasa 3.8中,单击视图>人们,所有的面孔都显示出来,我被要求将它们命名,我可以自动保存这些单独的图片,名称为不同的图片? 更新 我要做的就是将上图转换为单个图片. 在上图中,我展示了Picasa 3.8如何检测图像并提示我命名它们.我不需要面部识别,我只需要面部检测即可. Picasa检测到单个图像并在RHS上显示它们.这些单独的图像是我需要的. picasa创建一个.ini文件,该文件保存了包含单个面的坐标的十六进制值. 这些单独的面孔是我感兴趣的,如果我可以拥有坐标
我正在开发一个应用程序,该应用程序如果上传的图像匹配应用程序文件夹中的图像,则返回JSON数据.选择特定图像后,我单击它显示"未选择文件"的"上传"图像.以下给定的整个代码.我该如何解决?谢谢你,提前! import cv2 import face_recognition import os from flask import Flask, jsonify, request, redirect app = Flask(__name__) @app.route('/', methods=['GET', 'POST']) def upload_image(): # Check if a valid image file was uploaded if request.method == 'POST': if 'file' not in request.files: return redirect(request.url)
我正在使用python中使用opencv和face_recognition库捕获图像, 这是我程序的片段 while True: ret,frame = video_capture.read() rgb_frame = frame[:,:,::-1] face_locations = fr.face_locations(rgb_frame) face_encodings = fr.face_encodings(rgb_frame,face_locations) cv2.imwrite('test.png', frame) if len(face_encodings)!=0: print(face_locations) temp = list(face_locations[0]) img = cv2.imread('test.png') cropped = img[temp[0]:temp[2],temp[0]:temp[1]] cv2.ims
我正在尝试使用Python通过主成分分析(PCA)进行面部识别. 现在,我能够在训练图像images和输入图像input_image之间获得最小的欧几里得距离.这是我的代码: import os from PIL import Image import numpy as np import glob import numpy.linalg as linalg #Step1: put database images into a 2D array filenames = glob.glob('C:\\Users\\me\\Downloads\\/*.pgm') filenames.sort() img = [Image.open(fn).convert('L').resize((90, 90)) for fn in filenames] images = np.asarray([np.array(im).flatten() for im in img]) #Step 2:
我使用以下内容计算了PCA: function [signals,V] = pca2(data) [M,N] = size(data); data = reshape(data, M*N,1); % subtract off the mean for each dimension mn = mean(data,2); data = bsxfun(@minus, data, mean(data,1)); % construct the matrix Y Y = data'*data / (M*N-1); [V D] = eigs(Y, 10); % reduce to 10 dimension % project the original data signals = data * V; 我的问题是: 是"信号"的训练投影设置为特征空间吗? 我在" Amir Hossein"代码中看到了"中心图像向量",即以上代码中的"数据",需要通过在特
我想将Face Unlock作为我应用的第二个因素,因为我的大多数用户不会用密码锁定手机. 是否可以使用Android API来集成Android应用中的Face Unlock? 有面部检测API用于照片识别,但是我找不到可以在离线场景中使用的API,特别是用于应用程序中的其他因素. 如果您需要一个真实的示例,请假设这是密码管理器,或者手机将借给孩子……所有者永远不会锁定手机. Face Unlock将确保他们需要私人的东西. 解决方案 对于那些不想阅读的人: opencv 可以完成所有操作您正在寻找面部识别. (文档在这里) 这是一个很难回答的问题,因为很少有现有的Android应用程序利用您要求的面部识别技术.但是,您可能需要检查这些网站: 一个很好的面部检测软件列表 一项不错的演练,用于一些主要API > 另一个更高质量的教程... 默认android facedeTector类的文档 可能很有用. OpenCV库
我正在写这篇文章,以询问如何在Java项目中使用面部识别器. 我正在尝试使用opencv3.0.0.0及其所有贡献的opencv3.0.0.0的jar文件生成,但是所得生成的jar仅包含标准模块.我也尝试使用2.4.11版本,但我无法意识到如何制作面部识别器类的具体实例. 解决方案 在任何文档中找到的一部分都有点棘手,这是关于编辑cmakelists.txt的贡献模块.看来这是您缺少的唯一部分,但是我在下面包含了完整的分步过程. 下载/clone openCV存储库找到 下载/clone opencv_contrib存储库找到 转到opencv_contrib/模块/face and Edit cmakelists.txt 找到以OCV_DEFINE_MODULE开头的行并添加" Java",以使其看起来像这样: ocv_define_module(face opencv_core opencv_imgproc opencv_objdetect wrap
我正在使用Python和OpenCV在这些版本上创建一个面部识别系统: Python 3.6.2 :: Anaconda Custom(64位) Anaconda 4.3.23 OpenCV 3.3.0 当我尝试训练面部识别器时: face_recognizer = cv2.face.createLBPHFaceRecognizer() 我得到此错误: attributeError:模块'cv2'没有属性'face' 更新: 我试图这样做: pip install opencv_python‑3.3.0+contrib‑cp36‑cp36m‑win_amd64.whl 也: conda install -c menpo opencv3=3.3.0 我仍然有错误. 解决方案 我找到了解决问题的解决方案,您必须遵循此教程带有额外模块的opencv . 基本步骤是: 转到C:/pythonxx/lib/site
当代码到达此行时,我会在OpenCV中的面部识别器中写下访问违规的位置:model-> train(图像,标签); 错误: 在0x00007FF9B494321B(OPENCV_CORE331.DLL)的未经手法异常中,whoecamera.exe:0xc00000055:访问违规写作位置0x000000010000000014.发生 #include #include #include #include #include #include #include #include using namespace std; using namespace cv; using namesp
我正在尝试在Python OpenCV中处理面部识别系统,但我一直在收到以下错误 "!empty()在函数'cv :: cascadeclalsifier :: detectmultiscale' 这是我正在使用的代码: import cv2 import os import numpy as np from PIL import Image import pickle BASE_DIR = os.path.dirname(os.path.abspath(__file__)) image_dir = os.path.join(BASE_DIR, "foto") face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_alt2.xml') recognizer = cv2.face.LBPHFaceRecognizer_create() current_id = 0 label_ids = {} y
我正在寻找已经受过训练的面部基准点的哈卡斯德(左眼的左角,左眼的左角,右眼的左角,右眼的左角,右眼的右角,嘴的左角,嘴的左角,嘴的右角,鼻子的中心和右侧). 有人知道在哪里可以下载已经训练有素的Haarcascades来与OpenCV的VJ功能一起使用? 解决方案 如果我没有那么错误,则Haarcascade可以与没有特定点的对象一起使用. OPENCV数据文件夹中的鼻子,眼睛和口腔已经有分类器.您可以通过使用特殊和明智的探测算法(使用您的想象力和思想)来发现它们的眼睛,鼻子和嘴巴. 在这里示例; CascadeClassifier cascade; cascade.load("haarcascade_eye.xml"); Mat im = imread("photo.jpg",0); //0 flag for grayscale vector eyes; cascade.detectMultiScale(im, eyes, 1.2, 3);
i当前使用 i. 因此,我正在转换 Opencv haar-cascades 格式带有 python script . 我的问题是,是否可以转换 opencv lbp-cascades 也要到JS-ObjectDetect格式.我需要这个,因为我已经使用了OPENCV应用程序,并且需要使用相同的LBP-Cascades. 我在互联网上没有LBP-Cascades上的JavaScript对象/面部检测中找到任何内容.有人知道一种将这些级联反应与JS-ObjectDect或其他性欲一起使用的方法吗? 预先感谢! 解决方案 局部二进制模式和HAAR特征彼此非常不同. js-obigntDetect 对基于积分图像的快速HAAR级联评估非常优化,并且无法处理LBP级联. 但是,似乎有可用的LBP对象检测的JavaScript解决方案,快速的Google搜索指向我 https:/https:/https:/https://Github.com/lukaszkrawc
我想使用Gabor功能来执行一些分类作业.但是OPENCV不支持此功能.您会给出一些实现此功能的想法吗? OpenSource库也可以.提前致谢. 解决方案 哦,OpenCV中有一个Gabor内核: #include "opencv2/imgproc/imgproc.hpp" cv::Mat kernel = cv::getGaborKernel(cv::Size(kernel_size,kernel_size), sig, th, lm, gm, ps); Mat src_f; // img converted to float Mat dest; cv::filter2D(src_f, dest, CV_32F, kernel);
我一直在尝试使用Pyinstaller构建可执行文件.我已经测试了main.py文件,它可以正常工作,但是当我在EXE文件中尝试时,它会显示出错误. 另外,我下载了此shape_predictor_68_face_face_landmark.dat文件,并将与我的main..py放在同一文件夹中 Traceback (most recent call last): File "main.py", line 12, in File "", line 983, in _find_and_load File "", line 967, in _find_and_load_unlocked File "", line 677, in _load_unlocked File
我正在阅读文章 在树干/模块/concom/doc/faceRec/facerec_tutorial.html#结论 并尝试运行代码facerec_lbph.cpp.但是,我遇到了以下错误: facerec_lbph.cpp:109:9: error: ‘FaceRecognizer’ was not declared in this scope facerec_lbph.cpp:109:23: error: template argument 1 is invalid facerec_lbph.cpp:109:31: error: invalid type in declaration before ‘=’ token facerec_lbph.cpp:109:58: error: ‘createLBPHFaceRecognizer’ was not declared in this scope facerec_lbph.cpp:110:10: error: base o
基本上,我正在尝试使用OpenCV Android进行面部识别. 我需要将通过CvCameraViewFrame in CvCameraViewFrame CvCameraViewFrame CvCameraViewFrame CvCameraViewFrame byte[]的blob接收到的MAT图像转换为byte[]以保存到SQLITE数据库中.然后,在识别过程中,将此byte[]转换为jni文件夹中可以在.cpp文件中使用的垫子文件,因为识别代码是本地的. 解决方案 [编辑] 借助Android在板载方法中,它非常容易: import org.opencv.core.Mat; import android.content.Context; import android.content.ContentValues; import android.database.Cursor; import android.database.sqlite.SQLiteDatab
我正在尝试在Java中实现面部识别器.我得到了请为此提供一些帮助.严重粘在它上... 解决方案 您可以为Java创建C ++ DLL.您应该编写使用C ++代码的包装类(在C ++中).包装器类的功能定义应使用JNI.此链接在这里).实现包装程序类后,将其导出为dll. 其他解决方案 只需使用Java CV,就可以在Java中使用所有C ++功能. 下载所有JavACV JAR文件,然后尝试将JavACV安装到您的系统 只需浏览如何在系统中设置JavACV即可. 其他解决方案 我认为这应该在Java中做魔术 faceRencognizer模型= CreateFisherFacerEcognizer(); Model.Train(图像,标签); 用于预测 int id = model.predict(img);
旁 我目前正在尝试通过旧的C代码进行移植以使用新的C ++接口,并且我要重新构成我的本egenfaces face newiser class. Mat img = imread("1.jpg"); Mat img2 = imread("2.jpg"); FaceDetector* detect = new HaarDetector("haarcascade_frontalface_alt2.xml"); // convert to grey scale Mat g_img, g_img2; cvtColor(img, g_img, CV_BGR2GRAY); cvtColor(img2, g_img2, CV_BGR2GRAY); // find the faces in the images Rect r = detect->getFace(g_img); Mat img_roi = g_img(r); r = detect->getFace(g_
我是OpenCV的初学者.我一直在尝试在Windows平台中尝试面部检测和识别.我已经集成了不同的代码.我还使用PCA方法来识别面部.我正在遇到以下错误, 错误1错误LNK1120:2未解决的外部错误错误2错误LNK2019: 函数中引用的未解决的外部符号_cvcalceigenobjects " void __cdecl dopca(void)"(?dopca @@ yaxxz)错误3错误lnk2019: 未解决的外部符号_cveigendeCompomposite在功能中引用 " void __cdecl学习(char *)"(?学习@@ yaxpad@z) 有人可以解决.,.. 解决方案 您说的是正在使用VS,并且显示图像的演示程序正常工作.也许您刚刚在其他依赖项中添加了几个LIB文件.您想在数据上尝试PCA.请请参见此页面.一组不同数据库的输入罐,但必须是灰度并调整大小相同的输入罐.