人脸识别之目标追踪识别

人脸识别之目标追踪识别
1.开发工具
Python版本：Anaconda 3.8环境
开发软件：Pycharm社区版
相关模块：sys模块，pypinyin模块，os模块，opencv-contrib-python 模块，opencv-python模块。
模型：cv2中自带的人脸识别模型
2.环境搭建
安装Anaconda并将路径添加到环境变量，创建python虚拟环境，安装Pycharm并将路径添加到环境变量，使用pip安装需要的相关模块即可。
3.原理介绍
目标追踪的人脸识别是改进后的人脸识别算法，通过第一帧进行人脸模型的判定，当检测到人脸时，通过在人脸上画框，以这一张图片为基准，在接下来的视频中将会自动追踪刚刚识别到的人脸。
4.优点
由于只是从第一张检测到人脸的视频帧中使用了模型，在后续的视频中都是自动追踪人脸，大大的减少了每一帧图片处理时使用模型的时间，使得视频更快更流畅。
5.代码流畅分析介绍
导入相关模块

定义一个函数，在函数中写入代码

通过这段代码创建追踪器

存在人脸时将第一张人脸设为模板，进行目标检测

当视频流存在时继续追踪，不存在时退出循环

完整代码展示

import sys
import pypinyin
import os
import cv2def zhui_zong():count = 0(major_ver, minor_ver, subminor_ver) = (cv2.__version__).split('.')print(major_ver, minor_ver, subminor_ver)faceCascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")# 创建跟踪器tracker_type = 'MIL'tracker = cv2.TrackerMIL_create()# 读入视频video = cv2.VideoCapture("1.mp4")# 读入第一帧ok, frame = video.read()if not ok:print('Cannot read video file')sys.exit()# 定义一个bounding boxgray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)faces = faceCascade.detectMultiScale(gray,scaleFactor=1.1,minNeighbors=5,minSize=(30, 30),flags=cv2.CASCADE_SCALE_IMAGE)if list(faces):for (x, y, w, h) in faces:bbox = (x, y, w, h)print(bbox)ok = tracker.init(frame, bbox)while True:ok, frame = video.read()if not ok:break# Start timertimer = cv2.getTickCount()# Update trackerok, bbox = tracker.update(frame)# Cakculate FPSfps = cv2.getTickFrequency() / (cv2.getTickCount() - timer)# Draw bonding boxif ok:p1 = (int(bbox[0]), int(bbox[1]))p2 = (int(bbox[0] + bbox[2]), int(bbox[1] + bbox[3]))cv2.rectangle(frame, p1, p2, (255, 0, 0), 2, 1)else:cv2.putText(frame, "Tracking failed detected", (100, 80), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 0, 255), 2)# 展示tracker类型cv2.putText(frame, tracker_type + "Tracker", (100, 20), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (50, 170, 50), 2)# 展示FPScv2.putText(frame, "FPS:" + str(fps), (100, 50), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (50, 170, 50), 2)# Resultcv2.imshow("Tracking", frame)# Exitk = cv2.waitKey(1) & 0xffif k == 27:breakif __name__ == '__main__':zhui_zong()

运行效果展示，速度快了许多倍

人脸识别之目标追踪识别相关推荐

ReID：无监督及领域自适应的目标重识别概述
无监督(unsupervised)及领域自适应(domain adaptive)的目标重识别是目标重识别领域中两个重要的研究方向,同时二者又关系密切.本文中部分配图和内容参考葛艺潇:无监督及领域自适应 ...
基于yolov5框架实现人流统计（目标检测算法、目标追踪算法以及越界识别功能）+手机获取统计人数
主要实现的AI算法有:目标检测.目标追踪主要实现AI算法功能:越界识别功能(主要是获取统计人流量) 平台:基于Aidlux平台基础库安装: (1)lap安装: 先sudo apt-get upda ...
github优秀项目分享：基于yolov3的轻量级人脸检测、增值税发票OCR识别等8大项目...
点击上方"机器学习与生成对抗网络",关注"星标" 获取有趣.好玩的前沿干货! 文章来源:七月在线实验室 01 yolo-face-with-landmark ...
全球首个开源图像识别系统上线了！人脸、商品、车辆识别一网打尽！
父老们,乡亲们! 你知道人脸.商品.车辆识别,以图搜图乃至自动驾驶,背后的技术是什么吗? 起初我觉得不就是图像分类.目标检测这些东西嘛,有什么难的?但能熟练这些应用的BAT高级工程师们都轻松年薪百万, ...
京东发布FastReID：目前最强悍的目标重识别开源库！
京东AI研究院近日发布了基于PyTorch的目标重识别(ReID)开源库 FastReID ,其不仅对相关领域的研究有帮助,而且对工程部署有优化,在各大数据集上的评测结果惊人,其今天公布的论文 Fas ...
首次！阿里达摩院将Pure Transformer 应用于目标重识别ReID！
点上方计算机视觉联盟获取更多干货仅作学术分享,不代表本公众号立场,侵权联系删除转载于:Sophia 知乎 https://zhuanlan.zhihu.com/p/401450756 AI博士笔记 ...
家庭服务机器人的人脸检测、跟踪与识别研究
摘要:本文介绍了一个用于家庭服务机器人完成人脸检测.跟踪.识别的双目视觉系统.该系统首先采用人脸肤色模型结合相似度来检测人脸:然后通过基于颜色信息的CAMSHIFT算法跟踪运动的人脸:最后利用嵌入式隐 ...
人脸、商品、车辆识别一网打尽！
父老们,乡亲们!你知道人脸.商品.车辆识别,以图搜图乃至自动驾驶,背后的技术是什么嘛? 起初小编觉得不就是图像分类.目标检测这些东西嘛,有什么难的?但能熟练这些应用的BAT高级工程师们都轻松年薪百万, ...
Pytorch实现戴口罩人脸检测和戴口罩识别(含训练代码戴口罩人脸数据集)
Pytorch实现戴口罩人脸检测和戴口罩识别(含训练代码戴口罩人脸数据集) 目录 Pytorch实现戴口罩人脸检测和戴口罩识别(含训练代码戴口罩人脸数据集) 1.戴口罩识别的方法 (1)基于多类别 ...

人脸识别之目标追踪识别

人脸识别之目标追踪识别相关推荐

最新文章

热门文章