有哪些开源的人脸识别项目值得分享？
- 内容介绍
- 文章标签
- 相关推荐
本文共计1086个文字，预计阅读时间需要5分钟。
人脸识别是一种能够从图像或视频中实时识别或验证人的技术。以下简要介绍四个开源人脸识别项目，以提升你在数据科学领域的技能。
1. OpenCV：这是一个强大的计算机视觉库，其中包含人脸检测和识别功能。它支持多种编程语言，包括Python。
2. FaceNet：由Facebook开发，FaceNet是一种深度学习模型，能够将人脸图像映射到高维空间中，使得相似的人脸在空间中靠近。
3. Dlib：这是一个包含机器学习算法和工具的库，特别适合人脸识别和检测。它使用C++编写，并提供了Python接口。
4. DeepFace：由Facebook开发，DeepFace是一个端到端的人脸识别系统，它通过深度学习技术实现高精度的人脸识别。
人脸识别是一种能够从图像或视频源的视频帧中实时识别或验证人的技术。本文分享四个开源人脸识别项目，以提高你在数据科学领域的技能。
注意：本文只是简单介绍一些不那么著名但非常好的开源项目，你可以在你的项目中使用这些项目。
1. 人脸识别
Adam Geitgey的Face_Recognition是世界上最简单的内置Python人脸识别API，可以从命令行使用。这个项目基于深度学习，使用dlib最先进的面部识别库。
之所以称为“最简单”，是因为它允许你将图像添加到文件夹中，并从命令行开始识别人脸，在wild基准测试中的标记面孔上，准确率为98.38%
人脸识别API的其他一些功能包括：
- 检测一张图片中的多张脸，并识别每张照片中出现的人。
- 在实时摄像头中检测人脸。
- 检测人的眼睛、鼻子、嘴、眉毛、下巴等面部特征，得到被检测部位的位置和轮廓。
- 检测面部特征并应用数字化妆
2. DocFace
DocFace是一个开源的人脸识别系统，可用于实时将身份证件照片与自拍照片进行匹配。这个项目是建立在TensorFlow和Python之上的。
为了确保更好的性能，首先使用MatLab版本的MTCNN following SphereFace对齐所拍摄的面部自拍，用于训练基本模型的数据集是Ms-Celeb-1M和LFW。
然后使用基本模型通过迁移学习对ID自拍数据集进行微调。通过迁移学习，使用预先训练的基础模型，我们能够达到99.67%的准确率。
3. GetMeThrough
GetMeThrough是一个免费的开源软件，以离线模式实时工作的web应用程序，帮助任何活动的组织者仅允许授权或受邀的人参加活动，使用两步验证因素，即首先使用人脸识别技术检查该人是否在数据库中注册，否则将检查二维码。
本项目使用dlib预训练模型构建，该模型建立在Face_Recogniton API（如前所述）之上，以达到99.38%的准确率。本项目开发中使用的其他工具有MongoDB、materialecss，Node.js以及 Express.js 用于前端、后端、数据库和web应用框架。
按照这里给出的说明，你可以获得在本地计算机上运行的项目的副本，以便进行开发和测试。
4. SharpAI DeepCamera
sharpAI的DeepCamera是Android设备上的开源人工智能视频监控，监控摄像头具有人脸识别、人体形状识别、运动检测、人脸检测、目标检测等多种功能。
这是一个免费的自动机器学习（AutoML）深度学习的边缘人工智能平台，在这个平台上，训练一个新的模型不需要编程经验，它主要是用来保护你的隐私。
它已经被支持在各种Android设备和摄像头上运行良好。目前，DeepCamera由SharpAI维护。
链接参考
Face_Recognition API
- github.com/ageitgey/face_recognition
- medium.com/@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d78
DocFace
- arxiv.org/abs/1805.02283
- github.com/seasonSH/DocFace
Get Me Through
- github.com/malikshubham827/get-me-through
DeepCamera
- github.com/SharpAI/DeepCamera
- sharpai.github.io/DeepCamera/
本文共计1086个文字，预计阅读时间需要5分钟。
人脸识别是一种能够从图像或视频中实时识别或验证人的技术。以下简要介绍四个开源人脸识别项目，以提升你在数据科学领域的技能。
1. OpenCV：这是一个强大的计算机视觉库，其中包含人脸检测和识别功能。它支持多种编程语言，包括Python。
2. FaceNet：由Facebook开发，FaceNet是一种深度学习模型，能够将人脸图像映射到高维空间中，使得相似的人脸在空间中靠近。
3. Dlib：这是一个包含机器学习算法和工具的库，特别适合人脸识别和检测。它使用C++编写，并提供了Python接口。
4. DeepFace：由Facebook开发，DeepFace是一个端到端的人脸识别系统，它通过深度学习技术实现高精度的人脸识别。
人脸识别是一种能够从图像或视频源的视频帧中实时识别或验证人的技术。本文分享四个开源人脸识别项目，以提高你在数据科学领域的技能。
注意：本文只是简单介绍一些不那么著名但非常好的开源项目，你可以在你的项目中使用这些项目。
1. 人脸识别
Adam Geitgey的Face_Recognition是世界上最简单的内置Python人脸识别API，可以从命令行使用。这个项目基于深度学习，使用dlib最先进的面部识别库。
之所以称为“最简单”，是因为它允许你将图像添加到文件夹中，并从命令行开始识别人脸，在wild基准测试中的标记面孔上，准确率为98.38%
人脸识别API的其他一些功能包括：
- 检测一张图片中的多张脸，并识别每张照片中出现的人。
- 在实时摄像头中检测人脸。
- 检测人的眼睛、鼻子、嘴、眉毛、下巴等面部特征，得到被检测部位的位置和轮廓。
- 检测面部特征并应用数字化妆
2. DocFace
DocFace是一个开源的人脸识别系统，可用于实时将身份证件照片与自拍照片进行匹配。这个项目是建立在TensorFlow和Python之上的。
为了确保更好的性能，首先使用MatLab版本的MTCNN following SphereFace对齐所拍摄的面部自拍，用于训练基本模型的数据集是Ms-Celeb-1M和LFW。
然后使用基本模型通过迁移学习对ID自拍数据集进行微调。通过迁移学习，使用预先训练的基础模型，我们能够达到99.67%的准确率。
3. GetMeThrough
GetMeThrough是一个免费的开源软件，以离线模式实时工作的web应用程序，帮助任何活动的组织者仅允许授权或受邀的人参加活动，使用两步验证因素，即首先使用人脸识别技术检查该人是否在数据库中注册，否则将检查二维码。
本项目使用dlib预训练模型构建，该模型建立在Face_Recogniton API（如前所述）之上，以达到99.38%的准确率。本项目开发中使用的其他工具有MongoDB、materialecss，Node.js以及 Express.js 用于前端、后端、数据库和web应用框架。
按照这里给出的说明，你可以获得在本地计算机上运行的项目的副本，以便进行开发和测试。
4. SharpAI DeepCamera
sharpAI的DeepCamera是Android设备上的开源人工智能视频监控，监控摄像头具有人脸识别、人体形状识别、运动检测、人脸检测、目标检测等多种功能。
这是一个免费的自动机器学习（AutoML）深度学习的边缘人工智能平台，在这个平台上，训练一个新的模型不需要编程经验，它主要是用来保护你的隐私。
它已经被支持在各种Android设备和摄像头上运行良好。目前，DeepCamera由SharpAI维护。
链接参考
Face_Recognition API
- github.com/ageitgey/face_recognition
- medium.com/@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d78
DocFace
- arxiv.org/abs/1805.02283
- github.com/seasonSH/DocFace
Get Me Through
- github.com/malikshubham827/get-me-through
DeepCamera
- github.com/SharpAI/DeepCamera
- sharpai.github.io/DeepCamera/