SeetaFace6人脸检测C++代码实现Demo

        SeetaFace6包含人脸识别的基本能力:人脸检测、关键点定位、人脸识别,同时增加了活体检测、质量评估、年龄性别估计,并且顺应实际应用需求,开放口罩检测以及口罩佩戴场景下的人脸识别模型。

        官网地址:https://github.com/SeetaFace6Open/index

1. 人脸检测

        人脸检测,就是输入待检测的图片,输出检测到的每个人脸位置,用矩形表示。

        人脸检测器seeta::FaceDetector 的主要接口

namespace seeta {class FaceDetector {FaceDetector(const SeetaModelSetting &setting);SeetaFaceInfoArray detect(const SeetaImageData &image) const;void set(Property property, double value);double get(Property property) const;}
}

        构造一个检测器的函数参考如下:

#include <seeta/FaceDetector.h>
seeta::FaceDetector *new_fd() {seeta::ModelSetting setting;setting.append("face_detector.csta");return new seeta::FaceDetector(setting);
}

        有了检测器,我们就可以对图片检测人脸,检测图片中所有人脸并打印坐标的函数参考如下:

#include <seeta/FaceDetector.h>
void detect(seeta::FaceDetector *fd, const SeetaImageData &image) {SeetaFaceInfoArray  infos = fd->detect(image);for (int i = 0; i<infos.size; i++){SeetaRect& face = infos.data[i].pos;std::cout << "[" << face.x << ", " << face.y << ", "<< face.width << ", " << face.height << "]: "<< infos.data[i].score << std::endl;}
}

        人脸检测器可以设置一些参数,通过set方法(set方法只对当次人脸检测器有效)。可以设置的属性有:

seeta::FaceDetector::PROPERTY_MIN_FACE_SIZE     最小人脸,默认值为20
seeta::FaceDetector::PROPERTY_THRESHOLD         检测器阈值,默认值为0.90
seeta::FaceDetector::PROPERTY_MAX_IMAGE_WIDTH   可检测的图像最大宽度,默认值为2000
seeta::FaceDetector::PROPERTY_MAX_IMAGE_HEIGHT  可检测的图像最大高度,默认值为2000
seeta::FaceDetector::PROPERTY_NUMBER_THREADS    人脸检测器计算线程数,默认为4

        最小人脸是人脸检测器常用的一个概念,默认值为20,单位像素。它表示了在一个输入图片上可以检测到的最小人脸尺度,注意这个尺度并非严格的像素值,例如设置最小人脸80,检测到了宽度为75的人脸是正常的,这个值是给出检测能力的下限。

        最小人脸和检测器性能息息相关。主要方面是速度,使用建议上,我们建议在应用范围内,这个值设定的越大越好。SeetaFace采用的是BindingBox Regresion的方式训练的检测器。如果最小人脸参数设置为80的话,从检测能力上,可以将原图缩小的原来的1/4,这样从计算复杂度上,能够比最小人脸设置为20时,提速到16倍。

        检测器阈值默认值是0.9,合理范围为[0, 1]。这个值一般不进行调整,除了用来处理一些极端情况。这个值设置的越小,漏检的概率越小,同时误检的概率会提高;

        可检测的图像最大宽度和可检测的图像最大高度是相关的设置,默认值都是2000。最大高度和宽度,是算法实际检测的高度。检测器是支持动态输入的,但是输入图像越大,计算所使用的内存越大、计算时间越长。如果不加以限制,一个超高分辨率的图片会轻易的把内存撑爆。这里的限制就是,当输入图片的宽或者高超过限度之后,会自动将图片缩小到限制的分辨率之内。

2. 关键点定位

        关键点定位,就是输入待检测的图片,和待检测的人脸位置,输出N个关键点的坐标(图片内)。

        这里需要强调说明一下,这里的关键点是指人脸上的关键位置的坐标,在一些表述中也将关键点称之为特征点,但是这个和人脸识别中提取的特征概念没有任何相关性。并不存在结论,关键点定位越多,人脸识别精度越高。

        一般的关键点定位和其他的基于人脸的分析是基于5点定位的。而且算法流程确定下来之后,只能使用5点定位。5点定位是后续算法的先验,并不能直接替换。从经验上来说,5点定位已经足够处理人脸识别或其他相关分析的精度需求,单纯增加关键点个数,只是增加方法的复杂度,并不对最终结果产生直接影响。

        SeetaFace6提供了2个关键点检测模型:

        face_landmarker_pts5.csta:5个关键点检测模型,这里检测到的5点坐标循序依次为,左眼中心、右眼中心、鼻尖、左嘴角和右嘴角。 注意这里的左右是基于图片内容的左右,并不是图片中人的左右,即左眼中心就是图片中左边的眼睛的中心。

        face_landmarker_pts68.csta:68个关键点检测模型,其坐标位置可以通过逐个打印出来进行区分。

        构造关键点定位器:

#include <seeta/FaceLandmarker.h>
seeta::FaceLandmarker *new_fl() {seeta::ModelSetting setting;setting.append("face_landmarker_pts5.csta");return new seeta::FaceLandmarker(setting);
}

        根据人脸检测关键点,并将坐标打印出来的代码如下:

#include <seeta/FaceLandmarker.h>
void mark(seeta::FaceLandmarker *fl, const SeetaImageData &image, const SeetaRect &face) {std::vector<SeetaPointF> points = fl->mark(image, face);for (auto &point : points) {std::cout << "[" << point.x << ", " << point.y << "]" << std::endl;}
}

3. 演示Demo

3.1 开发环境

  •  Seetaface6
  •  Visual Studio 2015
  •  Windows 10 Pro x64

3.2 功能介绍

        演示程序主界面如下图所示,包括获取参数、图片人脸检测+关键点定位、摄像头人脸检测+关键点定位等功能,其中关键点定位支持5点和68点两种模型。

        获取参数:初始化人脸检测模型,获取人脸模型的最小人脸、检测器阈值、可检测的图像最大宽度、最大高度、人脸检测器计算线程数等参数。

        图片人脸检测+关键点定位:读取一张人脸图片,进行人脸检测和关键点定位;结果显示在左侧(包括人脸框、关键点坐标)。

        摄像头人脸检测+关键点定位:启动摄像头,进行实时人脸检测和关键点定位演示,结果显示在左侧(包括人脸框、关键点坐标)。

3.3 下载地址

      开发环境:

  • Windows 10 pro x64
  • Visual Studio 2015
  • Seetaface6

        下载地址:  SeetaFace6人脸检测C++代码实现Demo

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/832664.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Terraform代码风格规范

Terraform推荐以下代码规范&#xff1a; 使用两个空格缩进同一缩进层级的多个赋值语句以等号对齐&#xff1a; ami "abc123" instance_type "t2.micro" 当块体内同时有参数赋值以及内嵌块时&#xff0c;请先编写参数赋值&#xff0c;然后是内…

burp靶场sql注入通关—下

第十一关&#xff08;布尔盲注&#xff09;&#xff1a; 1.根据提示修改包含 TrackingId cookie的请求&#xff0c;先抓包并修改这个值&#xff0c;在后面加上永真式发现出现Welcome back TrackingIdxxxx and 11 再修改这个值为永假式看看&#xff0c;发现没有Welcome back&am…

OpenNJet下载安装及入门实战教程

一、什么是OpenNJet OpenNJet是一款开放原子开源基金会孵化及运营的开源项目。OpenNJet采用C语言实现。是一款高性能、轻量级的WEB应用及代理软件。    OpenNJet 应用引擎是高性能、轻量级的WEB应用与代理软件。作为云原生服务网格的数据平面&#xff0c;NJet具备动态配置加载…

Docker容器内容总结

目录 一、Docker概述 1.Docker是什么 2.Docker三个统一方式 3.Docker三要素 4.Docker底层原理 5.Docker常规命令 6.Docker网络 7.Docker散装的功能 二、Dockerfile 1.Dockerfile创建镜像流程 2.Dockerfile常规指令 三、Docker-Compose 1.YML文件内部控制参数 2.Do…

python数据分析所需要的语法基础

Python语言基础——语法基础 前言语法基础变量标识符数据类型输入与输出代码缩进与注释 总结 前言 对于学过C语言的人来说&#xff0c;python其实很简单。学过一种语言&#xff0c;学习另一种语言&#xff0c;很显然的能感觉到&#xff0c;语言大体上都是相通的。当然&#xf…

Mac升级go版本某种错误情况处理

当看到 "go1.21 is keg-only, which means it was not symlinked into /opt/homebrew" 这样的信息时&#xff0c;意味着Homebrew没有自动为你创建指向新版本Go的符号链接&#xff08;symlink&#xff09;&#xff0c;因为这是一个旧版本Go的替代版本。 Homebrew中的…

速盾高防CDN的防御能力如何?

速盾高防CDN是一种网络安全解决方案&#xff0c;旨在保护网站免受各种网络攻击&#xff0c;如分布式拒绝服务&#xff08;DDoS&#xff09;攻击、恶意爬虫、SQL注入等。它通过使用先进的防御技术和强大的基础设施来提供出色的防御能力。 首先&#xff0c;速盾高防CDN具备强大的…

Python画图时好看的颜色列表,7个颜色

在Python中&#xff0c;使用matplotlib库可以画出各种图表&#xff0c;并且可以自定义颜色。以下是一些常用的颜色列表&#xff0c;这些颜色搭配起来既美观又能在图表中区分不同的数据集&#xff1a; 鲜艳颜色列表&#xff1a; colors [#FF5E5E, #00A1CB, #FABE28, #2B3E51,…

企业微信hook接口协议,ipad协议http,客户群发送任务,获取要发送的客户群列表

客户群发送任务&#xff0c;获取要发送的客户群列表 参数名必选类型说明uuid是String每个实例的唯一标识&#xff0c;根据uuid操作具体企业微信 请求示例 {"uuid": "1688853790533324","id":1101292747044333637, //群发任务id"keyword…

3.栈和队列(汇总版)

目录 1.栈&#xff08;一端插和删&#xff09; 2.队列&#xff08;一端插另一段删&#xff09; 2.1队列的概念及结构 2.2 队列的实现 队列的接口 1.初始化队列 2.销毁队列 3.插入元素 4.出队列&#xff08;头删&#xff09; 5.访问对头 6.访问队尾 7.判断队列是否为…

发布时间格式化工具函数

发布时间格式化工具函数 概述 本文档介绍了一套用于解析和格式化日期时间字符串的工具函数&#xff0c;旨在提供一种简便的方法来处理日期和时间数据&#xff0c;同时确保在不同设备和时区下的兼容性。 函数说明 parseDateString(dateString) 这个函数用于将一个符合特定格…

CMakeLists.txt语法规则:foreach循环的关键字

一. 简介 前一篇文章学习了 CMakeLists.txt语法中 foreach循环的基本用法。文章如下&#xff1a; CMakeLists.txt语法规则&#xff1a;foreach 循环基本用法-CSDN博客 本文继续 CMakeLists.txt语法中 foreach循环语句&#xff0c;主要学习 foreach循环中的关键字。 二. CM…

Android 官网Ota介绍

构建 OTA 软件包 | Android 开源项目 | Android Open Source Project

(网络初识)

网络发展史 独立模式 在最开始计算机被发明出来&#xff0c;但网络还未普及的情况下&#xff0c;每个计算机之间都是相互独立的&#xff1a; 假设现在有一份数据需要处理&#xff0c;然后这份数据的处理又分给三个人分别处理。假设小松处理进行第一部分的处理&#xff0c;当小…

Skywalking的重要功能详解

学习本篇文章之前首先要了解一下Sky walking的基础知识 分布式链路追踪工具Sky walking详解 一&#xff0c;Sky walking监控数据库 在admin服务中&#xff0c;连接数据库查询user表中所有数据 引入依赖 <dependency><groupId>mysql</groupId><artifactI…

上位机图像处理和嵌入式模块部署(树莓派4b和qt应用全屏占有)

【 声明&#xff1a;版权所有&#xff0c;欢迎转载&#xff0c;请勿用于商业用途。 联系信箱&#xff1a;feixiaoxing 163.com】 我们都知道&#xff0c;嵌入式应用一般都是为了某一个特定应用而存在的。也就是说&#xff0c;和pc不同&#xff0c;这个嵌入式板子一般都是为了解…

消息队列面试题(四)

1. 如何监控消息队列的性能和健康状况&#xff1f; 监控消息队列的性能和健康状况是确保系统稳定、高效运行的关键环节。以下是一些建议的步骤和策略&#xff1a; 1. 使用内置指标 许多消息队列系统&#xff08;如Kafka、RabbitMQ等&#xff09;都提供了丰富的内置指标&…

10分钟快速使用Prometheus监控nginx

配置 Nginx 以输出监控数据 修改 Nginx 配置&#xff1a; 在 Nginx 配置文件 /etc/nginx/nginx.conf 中的 server 块添加如下配置&#xff1a; location /stub_status {stub_status on;access_log off;allow 0.0.0.0/0;deny all; }重启 Nginx&#xff1a; 通过命令重启 Nginx 服…

List转字符串

List:[“a”,“b”,“c”] 转换后&#xff1a;a,b,c 1、String.join // 1. 创建一个List集合 数量不可变List<String> list List.of("a", "b", "c");//list [a, b, c]System.out.println("list " list);String join Strin…

多组间比较散点图+误差棒(自备)

目录 数据 计算四分位值 作图 数据 rm(list ls()) library(ggplot2) library(dplyr) library(ggpubr) library(reshape2) library(tidyverse)data <- iris##鸢尾花数据集 dat <- data[,c(5,1)]#单个数据进行分析 计算四分位值 #根据分组计算四分位及中位数 dat1 …