问题标签 [facial-identification]

我的任务是创建一个具有生物特征身份验证的桌面应用程序。由于该应用程序将始终在 Surface Pro 上的 Windows 10 上运行，因此我研究了 Windows Hello 和面部识别。经过一些研究，Windows Hello 生物特征身份验证似乎只能在帐户而不是应用程序级别使用，因为您只能为每个用户帐户创建一个生物特征配置文件。如果是这种情况，我对生物特征认证的替代选择是什么，我对面部生物特征认证特别感兴趣。谢谢

我正在尝试keras在 pycharm 中使用应用程序。我从以下导入开始我的脚本：

运行此代码块时，我收到此错误：

我已尝试按照建议导入适当的 keras 库，但问题仍然存在。我还尝试检查 json 文件以查看它是否包含正确的后端（确实如此）。

我该如何解决这个问题？

“为清晰而编辑”

我的全部进口如下：

追溯：

请问有人可以帮忙吗？我已经搜索了网络，显然是 Stackoverflow，但我仍然遇到看起来很容易解决但实际上不是（无论如何对我来说）的错误创建这样的项目。请原谅我的评论！:)

所以我现在相信我哪里出错了？它在代码中关于端点和密钥的部分不应该在那里，而是在 bash 文件中。现在这就是我现在遇到麻烦的地方！哈哈（不下雨但倾盆大雨！）。我正在尝试使用 vim，但这是新事物，现在我自己也在努力解决 *facepalms

我在 Python 中使用 Open CV2 人脸检测。它工作得非常好，但经常会发现虽然它们确实是面孔，但它们是如此模糊以至于毫无用处。它成功地找到了无法识别为男性或女性、成人或儿童但仍然清晰的人脸的面孔。

检测到无法识别的面部并不是有用的结果，但我不知道如何以编程方式阻止这些结果，或者确定它们应该被忽略。

我目前唯一的方法是忽略任何小于某个阈值的人脸，但我仍然会得到一些大的模糊人脸。

有什么建议么？我正在使用 haarcascade_frontalface_alt_tree.xml 进行检测。

所以，我正在尝试使用 Facenet 开发这个面部识别系统。该项目的难点在于数据，因为我需要至少 100K 类标记的人脸图像。最终我想将编码存储在数据库中以进行实时人脸检测。有像“野外标记的人脸”这样的数据集，它由巨大的人脸数据集组成，但与人脸图像的质量和每个类别的图像数量不一致。我还研究了 facenet 是如何训练的，发现它是在“100 万名人脸数据集”上训练的。我假设我不能使用它，因为它被用来训练我试图用于我的项目的 facenet。所以，我的问题是如何以编程方式收集人脸数据集？谢谢

我正在 Google Colaboratory中编写以下 Python 代码并收到错误消息：

代码：

错误：

() 6 hog_face_detector = dlib.get_frontal_face_detector() 7 ----> 8 dlib_facelandmark = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat") 9 10 中的 RuntimeError Traceback (最近一次调用最后一次) 为真：

RuntimeError：无法打开 shape_predictor_68_face_landmarks.dat

完整的错误是：

源代码是：

这是 OpenCV 中的一个简单的人脸检测器应用程序，但我想在其中添加面部地标标记检测......一切正常，直到我添加最后三行代码导致整个应用程序崩溃

另外，我正在使用python 3.6.7，并故意将opencv的版本降级为3.4.6。

我正在使用 Azure Face APi 来检测视频流中的人脸，但是对于每个检测到的人脸 Azure 返回一个唯一的 faceId（这正是文档所说的）。

问题是，假设 Mr.ABC 出现在 20 个视频帧中，生成了 20 个唯一的 faceId。我想要 Azure Face 应该返回给我一个单独的 faceId 或一组专门为 Mr.ABC 生成的 FaceId 的东西，这样我就可以知道它是同一个人在镜头前停留了 x 时间。

我已阅读 Azure Facegrouping 和 Azure FindSimilar 的文档，但不明白如何在实时视频流的情况下使其工作。

下面给出了我用于使用 Azure 人脸检测人脸的代码：

I am currently implementing a facial recognition model using ResNet, while applying the concept of embeddings and triplet loss from the FaceNet paper. However, I am experiencing fluctuating accuracy but relatively constant loss (see image in link below). Specifically, I set the margin (α) to 0.2, and the relatively constant loss value of 0.2 suggests that my model predicts the embeddings to be very close to zero for all images (because d_p - d_n + α ≈ α = 0.2). I am unsure why my model refuses to make the embedding for the negative image far away from the anchor image. Instead, it makes all embeddings very close to one another, although embeddings of images from the same person are made slightly closer to one another than embeddings of images from a different person. This, however, will have implications as my model would likely be unable to detect if a person is an outsider, as all embeddings are made rather close to one another.

I am wondering if anyone here have faced similar issue before, and would be kind to provide me with advice on how I can overcome the issue above?

For training of my model, I used both semi-hard and hard triplets, but lower the learning rate from 0.001 to 0.0001 from the 200th epochs onwards. I also used around 3 images from 100 people each for the training.

Training Loss, training accuracy and validation accuracy

问题背景：

我创建了一个 Azure FaceList，并且正在使用我的网络摄像头来捕获实时源，并且：

1. 将流发送到 Azure 人脸检测
2. 获取人脸检测返回的人脸矩形
3. 使用返回的人脸矩形将从实时视频流中检测到的人脸添加到我的 FaceList。

（我需要创建人脸列表以解决我在Nicolas 回答的另一个问题中解释的问题，这就是我所关注的）

问题详情：

根据https://docs.microsoft.com/en-us/rest/api/cognitiveservices/face/facelist/addfacefromstream上的 Azure FaceList 文档，如果图像中有多个人脸，我们需要指定要添加的目标人脸到 Azure FaceList。

问题是，如果我们需要在人脸列表中添加所有检测到的人脸（多张人脸）怎么办？假设单帧视频中有 2 个或更多人脸，那么如何将这两个人脸添加到人脸列表？

我尝试将Azure 人脸检测返回的人脸矩形添加到 Python 列表中，然后迭代列表索引，以便每个人脸矩形可以一个接一个地传递给 Azure FaceList。但是没有用。

仍然收到错误：

我的代码：

在我的utils文件中，函数 facelist_add的代码如下：