问题标签 [face-detection]

是否有任何可用于 Delphi（我使用 Delphi 2009）的好的免费或商业组件，可以让我轻松实现人脸检测和照片中人脸的标记（即图形/图像）？

我需要做一些类似于 Google Picasa 的网络相册可以做的事情，但在我的应用程序中。

我正在寻找一种方法来识别面孔（不是特定的人，只是面孔所在的位置）并在他们穿过房间时跟踪他们。

我们正在尝试测量人们的步行速度，我认为这将是识别一个人的最简单方法。我们将为该项目配备一个相当快的相机，所以我可以使用一些逻辑来查看“frame00 中的 face1 == frame01 中的 face1”。

理想情况下，这样的软件会返回一个人脸列表（如 x,y 位置）及其大小。

我正在寻找一个强大的人脸检测算法/库，最好是用 C 语言（C++ 也可以；如果需要，我可以移植其他语言）。我过去使用过OpenCV的实现，但我不认为它对旋转是不变的。不需要是实时的，但也不应该太慢（也许每张照片一两秒就可以了）。寻求高可靠性，而不是很多误报。有谁知道任何好的实现？

我希望创建一个像 photofunia.com 这样的网站，基本上你可以在其中对图像应用大量效果。我想知道是否有人可以指导我在正确的方向上必须使用哪些技术来实现相同的目标？此外，是否有任何开源命令行实用程序可用于创建此类图像？

我不认为 Image::Magick 或 GD 能够处理这样的效果。如果我错了，请纠正我。

感谢您的时间。

我正在设计一个信息亭，其中包含隐藏在信息亭内的手机。我想知道是否可以使用手机的 VGA 摄像头作为传感器来检测何时有人站在信息亭前。

使用 VGA 摄像头进行运动检测的代码需要哪些软件组件（例如 Java、API、蓝牙堆栈等）？

我有一个非常大的照片库，里面有成千上万个相似的人、物体、地点、事物。照片中的大多数人都有自己的用户帐户和头像照片来匹配。根据可用于每张照片的附加数据，还有可能出现在照片中的人的逻辑短名单。我允许用户将照片与他们的朋友和他们认识的人一起标记，但自动化过程会更好。

我使用了来自 face.com 的照片标记器/查找器与 Facebook 照片集成，而用于个人相册的谷歌 Picasa 照片标记器也做了同样的事情，这正是我想要做的。

是否有 PHP 脚本、Google Picasa 的 API、face.com 或其他识别服务或任何其他提供服务器端面部识别和/或按相似性分组照片的开源项目？

示例：如您所见，各种照片共享网站都提供了该功能，但是否有任何提供 API 用于存储在我自己的服务器上的图像或足够广泛的东西以链接到我自己的画廊和标记系统？

• viewdle - 视频的人脸识别/标记
• PHP - 纯 PHP 中的人脸检测
• 沙格
• 开放式CV
• Face.com - 在 Facebook 中查找和标记照片的应用程序
• Google Picasa - 照片共享
• TeraSnaps - 照片分享网站
• Google Portrait - 来自 Google 图片结果的照片分组
• FaceOnIt - 视频人脸识别
• PittPatt - 检测、识别、视频人脸挖掘
• BetaFace
• ChaosFace - 实时人脸检测器

谁能告诉我如何使用 Ruby 或 Javascript 检测静态图片中的人脸？

我正在为我的文章进行关于人脸检测和比较的小型研究。目前，我正在使用基于 OpenCV 级联的 haar 类特征的快速人脸检测（稍后我将实现学习）。下一步是进行面部比较。有没有众所周知的算法？如果有一些 C# 代码，解释它们或实现它们的一些 dll，那就太好了。

我一直在实施Viola-Jones 的人脸检测算法的改编版。该技术依赖于在图像中放置一个 24x24 像素的子帧，然后将矩形特征放置在图像中的每个位置，并具有各种可能的大小。

这些特征可以由两个、三个或四个矩形组成。给出了以下示例。

他们声称详尽的集合超过 180k（第 2 节）：

鉴于检测器的基本分辨率为 24x24，详尽的矩形特征集相当大，超过 180,000 个。请注意，与 Haar 基不同，矩形特征集是过完备的。

以下陈述未在论文中明确说明，因此它们是我的假设：

1. 只有 2 个二矩形特征、2 个三矩形特征和 1 个四矩形特征。这背后的逻辑是我们正在观察突出显示的矩形之间的差异，而不是明确地观察颜色或亮度或任何类似的东西。
2. 我们不能将特征类型 A 定义为 1x1 像素块；它必须至少为 1x2 像素。此外，类型 D 必须至少为 2x2 像素，并且此规则适用于其他特征。
3. 我们不能将特征类型 A 定义为 1x3 像素块，因为中间像素无法分割，从自身中减去它与 1x2 像素块相同；此特征类型仅针对偶数宽度定义。此外，特征类型 C 的宽度必须能被 3 整除，此规则也适用于其他特征。
4. 我们无法定义宽度和/或高度为 0 的特征。因此，我们将x和y迭代为 24 减去特征的大小。

基于这些假设，我计算了详尽的集合：

结果是162,336。

我发现近似 Viola & Jones 所说的“超过 180,000 个”的唯一方法是放弃假设 #4 并在代码中引入错误。这涉及将四行分别更改为：

结果是180,625。（请注意，这将有效地防止特征接触子框架的右侧和/或底部。）

现在当然是问题：他们在实施过程中犯了错误吗？考虑表面为零的特征是否有意义？还是我看错了？

我喜欢玩人工智能，想尝试人脸识别，第一步是在照片中找到人脸。这通常是怎么做的？您是否使用样本图像/图像的卷积或基于统计的方法？你如何找到人脸的边界框？我的目标是从所有数码照片中对我孩子的照片进行分类。

提前致谢。