2. 程式人生 > >人臉識別9-人臉搜尋(概述)

人臉識別9-人臉搜尋(概述)

阿新 • • 發佈：2018-11-01

人臉搜尋

        給定一張照片，與指定人臉庫中的N個人臉進行比對，找出最相似的一張臉或多張人臉。 根據待識別人臉與現有人臉庫中的人臉匹配程度，返回使用者資訊和匹配度，即1：N人臉檢索。可用於使用者身份識別、身份驗證相關場景。

一般人臉搜尋的步驟：

  1. 給定一批人臉圖片及標籤。
  2. 對給定的人臉圖片預先進行批量建模。
  3. 對於後續新增或刪除的人臉可以進行增量建模。
  4. 檢索。

所以對於應用層來說其實人臉搜尋api介面非常簡單：

  1. 建立人臉庫。
  2. 刪除人臉庫。
  3. 人臉庫新增人臉。
  4. 人臉庫刪除人臉。
  5. 人臉搜尋。

人臉搜尋後，把結果通過相似度排序，返回最相似的前N個結果。設計得比較好的搜尋系統在檢索時能夠附加額外的條件，如年齡段、性別過濾、人臉質量分等等。

相關推薦

人臉識別9-人臉搜尋(概述)

人臉搜尋         給定一張照片，與指定人臉庫中的N個人臉進行比對，找出最相似的一張臉或多張人臉。 根據待識別人臉與現有人臉庫中的人臉匹配程度，返回使用者資訊和匹配度，即1：N人臉檢索。可用於使用者身份識別、身份驗證相關場景。 一般人臉搜尋的步驟

人臉識別11-人臉搜尋(系統)

系統框架         人臉搜尋平臺一般都是設計為分散式的，因為單機引擎始終都有人臉數上限，目前大多數引擎單機都只能檢索5億級別以內的人臉，如果需要處理10億、20億甚至更多就需要進行分散式設計了。 分庫原則    

人臉識別10-人臉搜尋(建模)

人臉建模         人臉搜尋的前提是要對待搜尋的庫進行建模，人臉搜尋並不是比對圖片資料而是比對特徵距離。應用層需要對人臉資料庫進行一定的設計。通常人臉庫需要包含如下欄位： 描述資訊：通常是人臉的標識，如身份證號、電話號、員工號等等。 質

人臉識別之人臉對齊（九）--SDM演算法

轉自：http://blog.csdn.net/huneng1991/article/details/51901912 http://blog.csdn.net/qq_14845119/article/details/53520847 略刪改。   SDM(Supervis

人臉識別之人臉對齊（八）--LBF演算法

整體來看，其實 ，ESR是基礎版本的形狀迴歸，ERT將回歸樹修改為GBDT，由原始的直接回歸形狀，改進為迴歸形狀殘差，而LBF，是加速特徵提取，由原來的畫素差分特徵池，改為隨機選擇點。   轉自：http://blog.csdn.net/qq_14845119/article/de

人臉識別之人臉對齊（七）--JDA演算法

其實，這裡JDA之前在人臉檢測中解釋過，這裡再轉一篇的目的在於，此文更貼近論文，同時，JDA本來包含人臉檢測和人臉對齊，作為一個整體訓練和測試的。 轉自：http://blog.csdn.net/shixiangyun2/article/details/50809078 第一節： &nb

人臉識別之人臉對齊（六）--ERT演算法

1.概述 文章名稱：One Millisecond Face Alignment with an Ensemble of Regression Trees 文章來源：2014CVPR 文章作者：Vahid Kazemi ，Josephine Sullivan 簡要介紹：One Milliseco

人臉識別之人臉對齊（五）--ESR演算法

轉自：https://blog.csdn.net/app_12062011/article/details/52573024 原文：http://www.thinkface.cn/thread-2911-1-2.html 原文翻譯我看的好蛋疼，完全機器翻譯。甚至懷疑作者是否有通讀過一次

人臉識別之人臉對齊（四）--CLM演算法及概率圖模型改進

原文： http://blog.csdn.net/marvin521/article/details/11489453      04、概率圖模型應用例項         最近一篇文章《Deform

人臉識別之人臉對齊（三）--AAM演算法原文： http://blog.csdn.net/colourfulcloud/article/details/9774017 AAM(Active Appear

原文： http://blog.csdn.net/colourfulcloud/article/details/9774017 AAM(Active Appearance Model)主動外觀模型主要分為兩個階段，模型建立階段和模型匹配階段。其中模型建立階段包括了對訓練樣本分別建立形狀模型(

C#人臉識別、人臉68特徵點識別

  幾年前我接觸的計算機視覺學習庫emgucv、aforge.net因為識別率低誤差大，加上我沒有時間去訓練模型因此關於人臉識別領域被我擱置了很久， 直到今年我接觸了dlib，從效果演示來看讓我非常滿意特別是它可以匹配出人臉的68個特徵點（包括眼睛、眉毛、鼻子、嘴巴等）於是我就想將它用

python ubuntu dlib人臉識別3-人臉對齊

人臉對齊主要用於提特徵。其他作用可以自行研究。 import sys import dlib if len(sys.argv) != 3: print( "Call this program like this:\n" " ./face_ali

人臉識別API-人臉檢測(java例子)

檢測人臉圖片 HTTP傳送類 package engine.demo; import java.io.ByteArrayOutputStream; import java.io.InputStream; import java.io.OutputStream; im

人臉識別API-人臉屬性(java例子)

人臉屬性 HTTP傳送類 package engine.demo; import java.io.ByteArrayOutputStream; import java.io.InputStream; import java.io.OutputStream; impo

face++實現人臉識別及人臉相似度對比

轉自https://blog.csdn.net/qq_38181012/article/details/81124217 使用face++，先獲取key和secret 下方是人臉識別，還添加了畫出人臉輪廓的正方形 import requests#網路訪問控制元件

人臉識別之人臉檢測（三）--Haar特徵原理及實現

本文主要由於OpenCV的haartraining程式，對haar特徵的補充及程式碼註釋。 Haar特徵的原理是什麼？ Haar特徵分為三類：邊緣特徵、線性特徵、中心特徵和對角線特徵，組合成特徵模板。特徵模板內有白色和黑色兩種矩形，並定義該模板的特徵值為白色矩形畫

人臉識別之人臉識別技術綜述

1　人臉識別技術概述     近年來，隨著計算機技術的迅速發展，人臉自動識別技術得到廣泛研究與開發，人臉識別成為近30年裡模式識別和影象處理中最熱門的研究主題之一。人臉識別的目的是從人臉影象中抽取人的個性化特徵，並以此來識別人的身份。一個簡單的自動人臉識別系統，包括以下4個方

人臉識別之人臉檢測（二）--人臉識別樣本製作及訓練測試

閒得沒事，折騰下opencv 人臉識別，從樣本製作到評估。 1.直接copy opencv裡的原始碼，建立工程，新增opencv庫，可以直接cmake原始碼，但我之所以自己建立工程，是想多學習，並且降低與原始碼框架的耦合度。 這裡如果出現_imp__CreateToo

程式碼C++， opencv實現人臉識別，人臉檢測，人臉匹配，視訊中的人臉檢測，攝像頭下的人臉檢測等

前一段時間寫了一個人臉相關的演算法，包括視訊中的人臉檢測，相機的人臉檢測，影象中人臉檢測，還有人臉識別。使用的是VS2013和opencv。首先建立標頭檔案common.h#ifndef _COMMON_H #define _COMMON_H #include <op

openCV java（JFrame） 實現人臉識別，人臉自動檢測，自動儲存裁剪後人臉

基於Win10，呼叫系統攝像頭 下載opencv 下載地址 本文版本為opencv-2413, IDE為idea ; 安裝之後將{$opencv}/build/java 下的jar包及對應的dll載入到library 將{$opencv}/sourc