RK3399平台开发系列讲解（项目实践篇）1.4、MTCNN-人脸识别代码分析

最新推荐文章于 2024-09-27 22:35:33 发布
最新推荐文章于 2024-09-27 22:35:33 发布
阅读量2.9k 收藏 20
点赞数 14
CC 4.0 BY-SA版权
分类专栏： RK3399平台开发入门到精通系列专栏 # 子类__项目 文章标签： RK3399 MTCNN 人脸识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_33487044/article/details/92127126
本文详细分析了在RK3399平台上进行MTCNN人脸识别的关键程序，包括DetectFace API接口的detect过程，P-Net网络代码中的候选框生成和非极大值抑制（nms）技术。P-Net使用全连接卷积神经网络，通过非极大值抑制筛选和合并人脸框，实现高效的人脸检测。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

=>返回总目录<=

文章目录


在这里插入图片描述
MTCNN（ Multi-task Cascaded Convolutional Networks）算法是用来同时实现 face detection和 alignment，也就是人脸检测和对齐。

今天详细分析下关键部分程序。

文章目录

DetectFace API 接口

int MtcnnPro::DetectFace<
了解本专栏 订阅专栏 解锁全文
RK3399平台开发系列讲解（项目实践篇）1.3、在RK3399上通过MTCNN进行人脸识别（一）MTCNN介绍
内核笔记
07-26 3966
平台 内核版本 安卓版本 RK3399 Linux4.4 Android7.1 文章目录为什么是嵌入式平台使用MTCNN进行人脸识别MTCNN整体处理过程 为什么是嵌入式平台使用MTCNN进行人脸识别 ------图像金字塔—>------NMS----> MTCNN算法优势： 针对此目标检测算法的优势，可分为以下来说明： （1）准确度（recall）：它采用的是级联卷积神经网络，由粗到细的对目标进行检测，同时使用了关键点的信息对目标进行定位和 Online Ha...
RK3399平台开发系列讲解（内核入门篇）1.4、如何写代码才能够让CPU执行得更快？
内核笔记
11-07 4343
了解 CPU 缓存对性能的影响，便能够更有效地编写我们的代码，优化程序性能。
基于深度学习神经网络MTCNN的人脸检测系统源码
修行之路
01-19 814
基于深度学习神经网络MTCNN的人脸检测系统源码
firefly-rk3399 开发记录5-人脸检测实现
huahuang1508的博客
08-10 910
1.人脸检测 在前面实现的基础上，这里实现人脸检测就相对方便得多了，实现方式简单的采用opencv的分类级联处理haarcascade_frontalface_default.xml。在检测之后，返回人脸检测框，送到上一章节实现的自定义viewfinder中绘制。 首先先加载级联器 QSmartMethod::QSmartMethod(QObject *parent) : QObject(parent) { cascade.load( "/usr/share/OpenCV/haarc
MTCNN和facenet实现人脸检测和人脸识别python源码
04-27
MTCNN和facenet实现人脸检测和人脸识别 主要实现方式参考博客：https://blog.csdn.net/zhonglongshen/article/details/90202620
【OpenHarmony鸿蒙实战】在RK3399开发板实现智能门禁人脸识别
m0_62167422的博客
03-20 2145
本样例是基于RK3399开发板，使用OpenHarmony3.0-LTS开发的应用。通过定时获取摄像头数据，实现人脸识别比对等功能。
RK3399平台开发系列讲解专栏对应官方资料
05-24
RK原厂资料
RK3399平台开发系列讲解（网络篇）7.25、Socket接口的分层
内核笔记
02-02 3065
在Linux内核中，Socket的实现分为三层，第一层是 GLIBC接口层，第二层是 BSD接口层，第三层是 具体的协议层（如Unix sokcet或者INET socket）。
基于mtcnn+facenet+svm实现人脸识别系统GUI界面 附完整代码数据集
02-04 1341
基于mtcnn+facenet+svm实现人脸识别系统GUI界面 附完整代码数据集
人脸识别经典网络-MTCNN（含Python源码实现）
最新发布
小蜗牛的珍贵百宝箱
09-27 1078
MTCNN 是一种基于深度学习的人脸检测网络，由三个级联的卷积神经网络组成，分别是P-NetR-Net和O-Net。：生成候选的人脸框（Proposals）。：精炼 P-Net 输出的候选框，去除低质量框。：进一步精炼人脸框，同时回归人脸的五个关键点（眼睛、鼻子和嘴角）。MTCNN的三级结构通过多任务学习，不仅能检测人脸，还能同时检测出人脸的五个关键点位置。MTCNN 是一种经典的多任务卷积神经网络，它在多任务学习的框架下同时完成了人脸检测和关键点提取。
MTCNN人脸识别程序
03-08
MTCNN人脸（眼）识别程序，下载下来后，需继续根据readme.md进行数据集的下载以及配置，本人亲测，按照步骤来，识别网络没有问题。
srcfaceDetect_face
12-28
使用face_recognition 开发的一个识别图片中人脸的Demo
face_detect_人脸检测_人脸五官检测_肤色检测_眼睛检测_
10-04
实现简单的人脸检测功能，通过检测图片中的色值来检测皮肤，通过五官的检测来进一步精确结果。
facedetection
01-08
基于OPENCV的人脸检测程序,可用来基本的人脸检测,灰度图或真彩色图像.
个人收集的人脸识别经典算法源码
09-20
内含PCA 2DPCA LDA FDA NMFs算法的matlab或C OPENGL源代码 ORL人脸库，调试好的人脸系统等
关于人脸识别【insightface】 ncnn移植到rk3399
06-12 1128
参考上一章量化之后，识别速度没有提升，后面我只能换小点的模型了，把【det_10g】改为【det_500m】速度终于提升上来了，识别效果还在在rk3399 上面由1s多 降为500ms左右，但是速度还是有点慢。看了下识别时长，基本都是目标检测和人脸特征提取这两个时间有点长。
RK3399平台上基于MTCNN实现人脸识别
带你成为别人眼中的大佬！
06-12 668
MTCNN算法包括三个级别的人脸检测器：P-Net、R-Net和O-Net。本文介绍了如何在RK3399平台上基于MTCNN算法实现人脸检测和识别，并提供了相应的源代码。通过使用MTCNN算法，我们可以快速准确地检测和定位图片中的人脸，并提取出人脸的特征，为后续的人脸识别和人脸表情识别等应用打下基础。本文将介绍如何在RK3399平台上使用MTCNN算法实现人脸检测和识别，同时提供相关的源代码。MTCNN是一种多任务卷积神经网络，能够高效准确地检测和定位图像中的人脸，并识别出人脸的特征。
[人脸实战]-RK3399 基于ncnn实现vgg-face
alfred_torres的博客
04-09 3758
基于ncnn的人脸识别系统 目标：在RK3399板子上实现2维人脸识别 平台：NanoPC-T4板子，系统基于Ubuntu Desktop 18.04的FriendlyDesktop 准备工作：按照wiki上的教程装opencv3.4 1 安装ncnn ncnn是腾讯出品的一个为手机端极致优化的高性能神经网络前向计算框架。ncnn git地址 1.1 编译 按照git上的教程【Build for ...
RK3399Pro使用ncnn推理框架实现mtcnn人脸检测算法移植
深蓝
05-20 808
RK3399Pro使用ncnn推理框架实现mtcnn人脸检测算法 首先移植ncnn框架 一、首先下载ncnn的源码包 git clone https://github.com/Tencent/ncnn.git 二、编译ncnn源码 mkdir -p build-aarch64-linux-gnu cd build-aarch64-linux-gnu cmake -DCMAKE_TOOLCHAIN_FILE=../toolchains/aarch64-linux-gnu.toolchain.cmake ..
RK3399平台的人脸识别DEMMO软件包
该SDK可能包含预编译的二进制文件、库文件、示例代码和API文档，使开发者可以快速开始人脸识别项目的开发工作。需要注意的是，开发者在使用此SDK时可能需要关注其许可协议，了解是否可以用于商业应用，并在部署前...
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

内核笔记

你的鼓励是我的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值