人脸识别

不同于人类，计算机「看待」世界有自己的方式。为了达到类似人类的视觉水平，各种算法层出不穷，本篇就来窥探其冰山一角。 机器之心原创，作者：陈萍。 我们生活的世界是一个三维物理空间。直观而言，三维视觉系统有助于机器更好地感知和理解真实的三维场景。三维视觉作为计算机视觉的一个比较重要的研究方向，在过去几十年间得到了扎实和系统地发展，形成了一套完整的理论体系。近年来，随着三维成像技术如激光雷达、TOF 相机及结构光等的快速发展，三维视觉研究再次成为研究热点。 在 上一篇文章 中，我们对 3D 视觉基础相关内容进行了概括性总结，本文我们将进行比较深层次的介绍，主要涉及 3D 视觉算法及其应用领域。 3D 目标检测多模态融合算法 基于视觉的目标检测是环境感知系统的重要组成，也是计算机视觉、机器人研究等相关领域的研究热点。三维目标检测是在二维目标检测的基础上，增加目标尺寸、深度、姿态等信息的估计。相比于二维目标检测，三维目标检测在准确性、实时性等方面仍有较大的提升空间。 在目标检测领域，2D 目标检测方面发展迅速，出现了以 R-CNN、Fast RCNN、Mask RCNN 为代表的 two-stage 网络架构，以及以 YOLO、SSD 为代表的 one-stage 网络架构。然而由于 2D 图像缺乏深度、尺寸等物理世界参数信息，在实际应用中存在一定局限性，往往需要结合激光雷达

👆 “ Python猫 ” ，一个值得加星标的 公众号 花下猫语： 二月来了，再过两天就是立春了，新的日子，新的气象，新的希望就要来临了。同学们，坚持住！如今之计是继续做好防护。今天给大家分享一篇文章，作者发布了一个库，可轻松给图片内的头像戴上口罩，推荐尝试！ 来源：Prodesire公众号 | 作者：Prodesire 前言 2019 年底开始蔓延的新型肺炎疫情牵动人心，作为个体，我们力所能及的就是尽量待在家中少出门。 看到一些朋友叫设计同学帮忙给自己的头像戴上口罩，作为技术人，心想一定还有更多人有这样的诉求，不如开发一个简单的程序来实现这个需求，也算是帮助设计姐姐减少工作量。 于是花了些时间，写了一个叫做 face-mask [1] 的命令行工具，能够轻松的给图片中的人像戴上口罩，而且口罩的方向和大小都是适应人脸的哦~ 使用 安装 face-mask 确保 Python 版本在 3.6 及以上 pip install face-mask 使用 face-mask 直接指定图片路径即可为图片中的人像戴上口罩，并会生成一个新的图片（额外有 -with-mask 后缀）： face-mask /path/to/face/picture 通过指定 --show 选项，还可以使用默认图片查看器打开新生成的图片： face-mask /path/to/face/picture --show

#前言 2019 年底开始蔓延的新型肺炎疫情牵动人心，作为个体，我们力所能及的就是尽量待在家中少出门。 看到一些朋友叫设计同学帮忙给自己的头像戴上口罩，作为技术人，心想一定还有更多人有这样的诉求，不如开发一个简单的程序来实现这个需求，也算是帮助设计姐姐减少工作量。 于是花了些时间，写了一个叫做 face-mask[1] 的命令行工具，能够轻松的给图片中的人像戴上口罩，而且口罩的方向和大小都是适应人脸的哦~ #使用 ⚠️确保 Python 版本在 3.6 及以上 安装 face-mask pip install face-mask 使用 face-mask,直接指定图片路径即可为图片中的人像戴上口罩，并会生成一个新的图片（额外有 -with-mask 后缀）： face-mask /path/to/face/picture 通过指定 --show 选项，还可以使用默认图片查看器打开新生成的图片： face-mask /path/to/face/picture --show #效果 给一个人戴上口罩 给多个人戴上口罩 给动漫人物戴上口罩 #实现 ##思路 要想实现上面的效果，我们应该怎么做？不妨这么想： 首先是识别出人的鼻子( nose_bridge )和脸轮廓( chin ) 通过脸轮廓确定出脸左点（ chin_left_point ）、脸底点（ chin_bottom_point

1 前言 2019 年底开始蔓延的新型肺炎疫情牵动人心，作为个体，我们力所能及的就是尽量待在家中少出门。 看到一些朋友叫设计同学帮忙给自己的头像戴上口罩，作为技术人，心想一定还有更多人有这样的诉求，不如开发一个简单的程序来实现这个需求，也算是帮助设计姐姐减少工作量。 于是花了些时间，写了一个叫做 face-mask [1] 的命令行工具，能够轻松的给图片中的人像戴上口罩，而且口罩的方向和大小都是适应人脸的哦~ 2 使用 安装 face-mask 确保 Python 版本在 3.6 及以上 pip install face-mask 使用 face-mask 直接指定图片路径即可为图片中的人像戴上口罩，并会生成一个新的图片（额外有 -with-mask 后缀）： face-mask /path/to/face/picture 通过指定 --show 选项，还可以使用默认图片查看器打开新生成的图片： face-mask /path/to/face/picture --show 效果 给一个人戴上口罩 给多个人戴上口罩 给动漫人物戴上口罩 3 实现 思路 要想实现上面的效果，我们应该怎么做？不妨这么想： 首先是识别出人的鼻子(nose_bridge)和脸轮廓(chin) 通过脸轮廓确定出脸左点（chin_left_point）、脸底点（chin_bottom_point）和脸右点

TSINGSEE青犀视频目前推出了前端支持不同协议设备接入的视频智能分析平台，包括RTSP协议的EasyNVR、GB28181协议的EasyGBS，RTMP推流协议的EasyDSS，还有能够进行人脸识别、车牌识别的EasyCVR，这些平台均提供了视频转码分发的能力，并且还可基于项目自身需求进行二次开发或集成。 部分使用TSINGSEE青犀视频智能分析平台的用户在进行集成的时候，对我们的接口调用有些疑问，尤其是对调用EasyDSS的接口的时候会有使用post 还是get不了解，本篇博文我们将具体分析一下接口调用中过于调用方式需要注意的地方。 EasyDSS支持restful接口 Restful对应的中文是rest式的;Restful web service是一种常见的rest的应用,是遵守了rest风格的web服务;rest式的web服务是一种ROA(The Resource-Oriented Architecture)(面向资源的架构). EasyDSS中支持的 HTTP 方法是GET 和 POST都是支持的。 什么是 HTTP 超文本传输协议（HTTP）的设计目的是保证客户机与服务器之间的通信。 HTTP 的工作方式是客户机与服务器之间的请求-应答协议。web 浏览器可能是客户端，而计算机上的网络应用程序也可能作为服务器端。 举例：客户端（浏览器）向服务器提交 HTTP 请求

在大多数企业中，考勤都是一块难啃的硬骨头，为了解决这个最基础的难题，企业也想过许许多多的方法，包括但不限于指纹打卡、人脸识别打卡等。 但是员工还是对这道基础管理程序怨声载道，还有一些公司，更是让考勤流于形式，派不上任何作用，导致考勤变得愈加混乱，企业整体工作效率下降的同时，也影响了企业的组织氛围。 考勤难点一般有以下几点： 考勤数据繁琐： 考勤需要采集大量的数据，然后进行计算、汇总、审批上报。 考勤流于形式： 人情考勤、异地考勤导致考勤数据弄虚作假、滞后。 考勤排班复杂： 因为员工们的上班时间、工作性质都有所不同，所以排班管理非常耗费人力，还容易滋生各种矛盾。 考勤报表制作： 因为缺少多维度数据分析与展现的数据平台，考勤报表制作尤为费劲。 考勤申请复杂： 请假单、加班单、出差单等申请都是纸质流通，难以保存，程序麻烦。 面对这样的考勤“难题”，只需要一款 办公OA系统 就可以轻松应对。接下来就让我们从功能图片的角度，直观地看 O2OA 智慧考勤功能。 1.系统截图： 2.查询出勤明细： 3.出勤率统计： 4.个人考勤统计： 5.公司出勤明细： 6.支持数据导入： 7.考勤管理员设置： 8.根据部门等不同，进行考勤人员配置： 9.个性排班设置： 10.法定假期设置： 11.工作考勤场所设置： 12.考勤申诉设置： O2OA作为 一款开源免费的OA开发平台 ，其中的智慧考勤功能

一般高清摄像头产品编码器可同时产生两个不同的编码格式，统称主码流和子码流，双码流技术兼顾了高质量图像传输和窄带宽传输（监控视频中的主码流和子码流是什么意思）。 TSINGSEE青犀视频云边端架构视频平台可以接收前端设备输出的任意码流，因此用户设备接入后可以根据自己的需求切换码流。比如有的客户现场使用EasyCVR视频智能分析平台，通过sdk和ehome协议接入设备，播放时发现主码流码太大，达到了4M，希望EasyCVR能够默认拉取子码流。 该问题我们也可以通过EasyCVR的配置进行修改，在EasyCVR的配置文件 easycvr.ini ，[ehome]中，将streamtype设为1，[hk_sdk]需要将substream_only，mainstream_only,设为0，sdk_play_stream=1 当前版本该配置在web页面中没有相关的配置页面，只能通过手动修改ini文件，修改完成后保存，重启后即可生效，从传输视频的大小可以看到明显的降低，已经默认拉取子码流。 EasyCVR视频平台不仅能够用户安防视频服务，还可以用于不同的智能识别中，比如人脸识别、车牌识别等，有兴趣的用户可以阅读该文了解一下：AI智能分析系统赋能TSINGSEE青犀视频云边端架构视频平台。 不仅如此，EasyCVR还能够支持阿里云、腾讯云、华为云、七牛云等，支持S3和Swift接口的对象存储服务

对亚洲人识别准确度有点差，具体安装移步： https://www.cnblogs.com/ckAng/p/10981025.html 更多操作移步： https://github.com/ageitgey/face_recognition 　　 from PIL import Image, ImageDraw import face_recognition # Load the jpg file into a numpy array image = face_recognition.load_image_file("img/test2.jpg") # Find all facial features in all the faces in the image face_landmarks_list = face_recognition.face_landmarks(image) print("I found {} face(s) in this photograph.".format(len(face_landmarks_list))) # Create a PIL imagedraw object so we can draw on the picture pil_image = Image.fromarray(image) d = ImageDraw.Draw(pil

指纹识别是一项古老的技术，早在公元前N多年古中国人就已经意识到指纹的唯一性，并在一定程度上应用。19世纪人们开始对指纹的更进一步的研究，并得出了两个重要结论。 （一），没有任何两个手指的指纹纹线形态是一致的。 （二），指纹纹线的形态是终生不变的。 这两个重要的结论的引用使得一些国家和机构作为辨识的根据，例如鉴定犯罪嫌疑人等。上世纪80年代后，计算机技术的发展和光学传感器的进步，使得指纹识别技术得到更广阔的空间，随着传感器技术和相应软件算法的发展，指纹识别技术进一步得到普及。 现代指纹识别技术是通过取像设备读取指纹图像，然后用计算机识别软件提取指纹的特征数据，最后通过匹配识别算法得到识别结果，以确定指纹所有人身份的生物特征识别技术。主要涉及指纹图像采集、指纹图像处理、特征提取、数据保存、特征值的比对与匹配等过程。 目前得到大量普及指纹图像采集设备，基本上基于三种技术基础：光学技术、半导体硅技术、超声波技术。各种传感技术各有优劣。 相当一段时间内，指纹识别主要应用在考勤、门禁、保险箱柜等领域，在经历了近10多年的缓慢的自然增长后，随着iPhone 5s的推出，指纹识别迎来了一个跳跃性发展的黄金时期，类似TouchID的指纹识别方案已经成为高端手机的标配，并进一步向中低端手机领域渗透，随着指纹识别场景的进一步挖掘，还会在个人身份认证，智能家居等更多的领域得到更多的发展

随着“智慧工地”应用的日渐成熟，越来越多的施工单位和甲方都在关注、考察这一领域，大家的需求不尽相同，都是想通过智慧工地达到一些管理效果和目的。智慧工地是智慧地球理念在工程领域的行业具现，是一种崭新的工程全生命周期管理理念。 智慧工地 是指运用信息化手段，通过三维设计平台对工程项目进行精确设计和施工模拟，围绕施工过程管理，建立互联协同、智能生产、科学管理的施工项目信息化生态圈，并将此数据在虚拟现实环境下与物联网采集到的工程信息进行数据挖掘分析，提供过程趋势预测及专家预案，实现工程施工可视化智能管理，以提高工程管理信息化水平，从而逐步实现绿色建造和生态建造。 主要有这么几个应用方向： 1、 人员管理 能够 及时记录和掌握工人情况，通过 人员管理 系统实时统计现场劳务用工情况，监控人员流动情况 ， 这些都可以通过智慧工地实现。 面对施工现场人员复杂的情况，为了防止工人之间有冒名打卡的现象，可以通过人脸识别功能来加以防止。 2、机械管理 现在的每个项目上都有各种各样的监控摄像头， 尤其是对车辆、机械设备的监控等 。 这些监控同样可以通过智慧工地的接口形成统一的集成化展示， 管理者通过手机、电脑即可实时查看工地实际施工情况 ，想看哪里点哪里。 随着5G技术的发展，网络延迟趋近于0， 就把实时监控这个事情发挥起来了。 3、安全管理 施工现场涉及面广，多种元素交叉，状况较为复杂，人员出入