问题标签 [facial-identification]

所以我一直在做这个面部识别项目。这是为了我的科学博览会，我正处于尝试获取数据图、绘图和可视化的阶段。我已经让它在某种程度上起作用，但它并不一致（在执行方面）。

问题是，有时代码有效，有时它会给我一个错误。在某些情况下，错误在于 Numpy append()。我有一个变量，我想将数据附加到，但是当它不起作用时，错误是AttributeError: 'numpy.ndarray' object has no attribute 'append'

请注意，我不是一个有才华的程序员；这段代码是从我在网上找到的一些例子中搞砸的。在进行这个项目时，我不得不学习 Python。我确实有 C 语言背景，所以我会说我掌握了代码逻辑的基础知识。

请帮忙。我真的很绝望；科学博览会越来越近了，我是一名没有 ML 导师的高中生。我住在一个岛上（关岛），没有机器学习从业者（甚至在大学里也没有），所以我求助于 Stackoverflow。

我有一个 cctv 视频，我想在其中识别一个人。我尝试了面部识别和对象跟踪，但都未能产生高精度，因为帧的质量不是很好，有时人脸会从帧中消失。

我已经尽可能地简化了这个问题，现在考虑在人身上训练一个 YOLOV3，并在 Resnet50 上进行对象跟踪或训练作为分类问题。

我还研究了重新识别，但不确定它是否适用于这个用例。

所以现在的问题被简化为给定一个敌对环境中的人和物体的图像，你如何找到和识别特定的人？

谢谢

我正在为我们的办公室构建自定义面部识别。

我打算使用Google FaceNet，现在我的问题是您可以在 keras 或 pytorch 中找到或创建自己的facenet模型版本，这没有问题，但是关于创建数据集，我想知道捕获的最佳实践是什么当我没有那个人的任何先前照片时，我只有一个相机和一个人，我应该通过改变闪电条件或方向或面部大小来创造变化吗？

嗨，我正在研究面部识别。

为了提高性能，我想使用面部对齐。

当我使用例如由Adrian描述的 HOG 面部标识符时，我得到一个对齐的图像。

但是，我必须在嵌入式硬件上工作，而且 HOG 面部识别速度还不够快。最好的工作是 cv2 lbpcascader。

使用 cv2 我也得到了找到的脸的框，但使用它不起作用。

在使用 HOG 的其他示例中，坐标是从 HOG-rect 中提取的：

然后与

这个想法是将 x,y,w,h 与 cv2 值交换。不幸的是，这不起作用，因为上面的两行会导致完全错误的对齐。在第一个代码示例中，包含但未使用 rect_to_bb 函数。

我检查了这些值，它们以某种方式关闭：

• 224x224 图像
• 156 70 219 219 cv2 值（当然略有不同）
• 165 101 193 193 rect_to_bb 的 rect 值
• [(165, 101) (358, 294)] 矩形值

我检查了 rect_to_bb 函数，但这似乎很简单：

我很难获得背景和增强目标的 numpy 矩阵。该项目旨在创建一个带有情绪检测的面部过滤器，最终将集成到 API 中。我收到的问题是我想将它作为具有透明度的 PNG 加载，因为使用 JPG 并切掉白轴并没有切掉它。请帮忙。先感谢您。

据我所知，形状略有偏差，但我正在尝试很多不同的东西，这个尺寸是我能买到的最接近的尺寸。

从微软提出他们的 Azure 面部服务的角度来看，我正在为一个班级进行 DPIA。我对服务的工作方式有点困惑。

他们的认知服务条款说：“认知服务客户拥有，并且可以管理和删除他们的客户数据”

但人脸服务页面显示：截至 2020 年 1 月，“不会存储任何图像”。

那么服务是如何运作的呢？Azure 不存储任何图像，客户如何存储经过训练的模型和数据？微软到底存储了什么？

我正在开发一个系统，用户在注册时将拍摄脸部照片。然后该用户将尝试使用面部进行身份验证（就像在 iPhone X 上一样）。我为此使用哪个库？我想进行 1:N 匹配。是否有从面部提取细节的模式，如数字生物识别技术？我找到了这个库https://github.com/ageitgey/face_recognition，但我怀疑它是否用于用户身份验证。如果有在线或离线服务可以做到这一点，它也会帮助我。

我正在尝试创建一个从流式视频中识别人脸的程序，但我从静态照片开始，所以我将从下到上学习我的代码到目前为止是：

当我尝试运行它时，我得到“启动错误？” 消息说“您的项目中的一个或多个文件包含错误。您仍然要启动吗？” 我按是并得到“无效的语法（FacialRecognitionLearning.py，第 2 行）”。这就是问题所在，我什至不知道从哪里开始，我知道问题在第 2 行，但代码看起来与我用来学习的示例中的代码完全相同（链接如下）。https://medium.com/machinelearningadvantage/detect-faces-with-c-and-dlib-in-only-40-lines-of-code-f0bb1b929133 我试过谷歌并查看指南上的评论，但可以'似乎没有解决它，我真的很陌生。

我正在尝试使用 PyTorch 制作人脸识别模型。我的模型在训练和验证的损失分数都接近 0 时表现良好。问题是当我使用相同的输入对其进行测试时，它给了我不同的结果，如下所示：

及以下

左侧是真实标签，右侧是预测输出。我设置了随机种子并model.eval()在将输入输入到模型之前运行。

有谁知道如何解决这个问题？

请指教

据说 Android 9/Android P (API 28) 支持通过 BiometricPrompt 进行面部识别。我读过的所有教程都使用 BiometricManager 来检测面部识别支持 ​​- 但直到 API 29 (Android 10/Android Q) 才添加此类。

那么，如何检测 API 28 上的面部识别支持呢？

我的偏好是在不使用 AndroidX 支持库的情况下执行此操作，因为我已经阅读了有关支持库版本的 BiometricManager.canAuthenticate() 结果在 API 28 及更低版本上运行时的含义的冲突信息。