基于深度学习的视频中的人脸识别

视频目标检测算法目前主要使用了如下的框架:

• 将视频帧视为独立的图像，利用图像目标检测算法获取检测结果；
• 利用视频的时序信息和上下文信息对检测结果进行修正；
• 基于高质量检测窗口的跟踪轨迹对检测结果进一步进行修正..

 

OpenCV人脸检测器是基于深度学习的，特别是利用ResNet和SSD框架作为基础网络。使用了opencv3.4.1中的dnn的face detector的caffemodel和deploy.prototxt。

1.打开摄像头。调用opencv的CV2中videostream

2.使用caffe model的opencv中dnn组件时，需要有prototxt和caffemodel。

opencv的深度学习人脸识别是基于单帧检测器（SSD）和一个ResNet基础网络

NumPy 是一个 Python 包。 它代表 “Numeric Python”。 它是一个由多维数组对象和用于处理数组的例程集合组成的库。作用：

• 数组的算数和逻辑运算。

• 傅立叶变换和用于图形操作的例程。

• 与线性代数有关的操作。 NumPy 拥有线性代数和随机数生成的内置函数。

 

会用到的一些函数：

在dnn中从磁盘加载图片：

• cv2.dnn.blobFromImage：从图像中创建4维的斑点。可选的从中心调整和裁剪图像，减去平均值，按比例缩放，交换蓝色和红色通道。
• cv2.dnn.blobFromImages
• 作用：
• 平均减法：平均减法用于帮助我们在数据集中的输入图像中对抗光照变化。因此，我们可以把平均减法看作是一种用来帮助我们的卷积神经网络的技术。