问题标签 [facial-identification]

我们正在为孩子们构建一个应用程序，他们可以在其中与动画角色互动。我们希望在交互时获得摄像头馈送，而无需在 UI 上显示摄像头馈送以进行面部识别。连续访问相机会耗尽电池电量并可能存在隐私问题。苹果允许吗？

Apple 审查指南没有提及任何相关信息。

我正在尝试使用 pytorch 学习 One-shot 学习。我正在Pytorch 示例中试验这个连体网络。使用该笔记本作为指南，我只想打印出每对图像的图像文件路径，以及相异性分数。

从我一直在阅读的内容来看，我需要对数据加载器进行一些更改才能实现这一点，如此处所示。

我在这一切方面还没有太多经验。我会很感激一些指导。我将更改后的数据加载器（如本要点）导入到我的代码中。

更改后的数据加载器：

和示例用法：

我的代码：

我得到了具有不同分数的配对图像，但我没有得到路径；我明白了

...ETC。

谢谢

我正在尝试在 openCV 中设计新系统，但无法从 IP 摄像机捕获流。

我尝试过使用不同的协议，如 rtsp 和 http。

[tcp @ 0x7ff4d705c440] 连接到 tcp://192.168.1.114:80 失败：操作超时 OpenCV：无法从文件“ http://root:pass@192.168.1.114/mjpg/video.mjpg ”中读取视频流Traceback（最近一次调用最后）：文件“camera-test.py”，第 14 行，在 cv2.imshow('frame',frame) cv2.error: OpenCV(4.1.0) /tmp/opencv-20190505-12101- 14vk1fh/opencv-4.1.0/modules/highgui/src/window.cpp:352：错误：（-215：断言失败）size.width>0 && size.height>0 in function'imshow'

我目前正在尝试使用 ssh 和命令行将 OpenCV 库安装到树莓派 4，但我无法完成。

我尝试了 pip install、make -j 命令甚至源代码，但我无法安装该库。当我使用 make -j 命令时，它给了我这个错误：

我尝试了大多数解决方案以及 PyImageSearch 的教程，但仍然无法安装该库。我目前正在使用2019 年 7 月的Raspbian Buster，我该怎么办？

我试图检测人脸的 68 个面部特征。我使用 OpenCV dnn 人脸检测器检测到人脸，如https://www.pyimagesearch.com/2018/02/26/face-detection-with-opencv-and-deep-learning/ 人脸检测过程成功完成，这是我的代码：

但是当我试图检测面部内部的面部标志时，如下所示：

我收到以下错误消息

shape = predictor(image, detections) TypeError: call (): 不兼容的函数参数。支持以下参数类型： 1. (self: dlib.shape_predictor, image: array, box: dlib.rectangle) -> dlib.full_object_detection

调用： , array([[[ 0, 0, 0], [ 0, 0, 0], [ 0, 0, 0], ...,

当我使用 OpenCV dnn 人脸检测器和 MTCNN fro dlib 人脸检测器时出现错误消息，但使用 Haar 级联人脸检测器无法出现错误消息，并且成功检测到面部标志。我想将 OpenCV dnn 人脸检测器中的面部地标检测为上述代码，因为它的准确性很高，因为高遮挡一致性，Haar 级联人脸检测器对我的面部图像没有好处。谁能帮帮我吗。

我正在开发一个用于性别识别的 Android 应用程序。

现在我想访问保存为非静态字符串的分类结果public String GENDER，在public class Camera2BasicFragment extends Fragment implements FragmentCompat.OnRequestPermissionsResultCallback. 我想从MainActivity课堂上访问它。

我Camera2BasicFragment班上有一个分类方法。

MainActivity当我从如下访问变量时，它给了我一个 NullPointerException。

我尝试在Camera2BasicFragment类中使用 getter 方法，如下所示。

但是，传入的位图变量也是空的。

我知道这听起来像是一个常见的问题，但我有点无能为力。非常感谢任何帮助。提前致谢！

编辑：更新MainActiivty.

对于深度学习中的面部识别示例，在第一个隐藏层中分析特征（鼻子、眼睛、嘴唇等）。如果我们想分析更多的特征，比如酒窝、皮肤类型、肤色、皱纹等，我们会在第一个隐藏层中添加更多节点还是在网络中添加更多隐藏层？如果任一解决方案都有效，那么在性能和降低复杂性方面哪个解决方案更好？

我将开始一个 python 项目，我正在使用 pyttsx 制作语音助手，我认为将面部识别集成到助手中将是一个很酷的功能。我只是想问一下，如果我为人脸识别（opencv）制作一个python脚本，我可以将结果传递给语音助手，以便它可以大声拼写出来吗？任何帮助表示赞赏。

我正在尝试使用 getUserMedia() 拍摄快照并使用 opencv-python 识别人脸。我只从用户媒体中获取编码图像，无法使用 opencv 打开它。我使用 django 2.2 作为后端服务器

我们已经使用我们的本地面部图像数据集进行了广泛的比较面部识别/匹配提供商的练习。

MS Cognitive服务在False Rejects Rate (FRR)特定情况下名列前茅False Accept Rate (FAR)。我们正忙于确定不同图像类型匹配（自拍与文档等）的通过阈值。

问题是，如果我们使用特定https://{endpoint}/face/v1.0/版本（我们担心的是，我们会根据我们的测试结果和当前的置信度分数选择一个通过阈值，然后由于机器学习/发布，分数在未来会发生变化，这意味着我们将不得不不断地重新调整我们的阈值。DetectVerifyrecognitionModel = recognition_02detectionModel = detection_02

https://westus.dev.cognitive.microsoft.com/docs/services/563879b61984550e40cbbe8d/operations/563879b61984550f3039523a