我已经开发了一个使用Google Vision API(离线)检测人脸的应用程序,然后将检测的图像发送到Microsoft Azure以获取该人脸的信息(年龄、性别...)。在我的例子中,我还需要计算(至少是近似的)摄像头和检测到的人脸之间的距离,我在Microsoft Azure文档中没有看到这个选项,所以我想它没有实现。我应该实现什么来计算摄像头和人脸之间的距离?我能用OpenCV或其他OpenSource库实现这个目标吗? 我在SO (How to measure height, width and distance of object using camera?)中看到了这个答案,但
我有一个关于五个人的人脸识别项目,我希望我的CNN能检测到,我想知道人们是否可以看看我的模型,看看这是不是朝着正确的方向迈出了一步。
def model():
model= Sequential()
# sort out the input layer later
model.add(convolutional.Convolution2D(64,3,3, activation='relu'), input_shape=(3,800,800))
model.add(MaxPooling2D(pool_size=(2, 2)))
mod
我想从1500个人脸图像中创建一个人脸集合,然后用一个参考人脸图像来这个集合。最终的目标是从集合中找出与参考人脸图像最相似的人脸。
因此,我想检索每一对图像(参考图像和集合中的一张脸)每次的相似性的一个数字。
那么,这是否等于1500 face x 1similarity_metadata =1500元数据,还是将相似性属性计算为任意数量的人脸图像的一个元数据?
换句话说,我的请求是1500元数据还是1500面的1元数据?
我使用的是免费版本,AWS指定:
作为AWS免费层的一部分,您可以免费开始使用。注册后,亚马逊的新客户每月可以分析5,000张图片,并在头12个月每月存储多达1,000张
在我的程序中我正在检测一个人的脸,我的代码运行得很好,但是我担心这个代码,对于眼睛检测"cascade.detectMultiScale()“有很多参数,而对于人脸检测我使用了这几个参数,以及它是如何检测人脸的,我们是否还没有在"cascade.detectMultiScale()”中初始化检测对象的大小。
cascade.detectMultiScale(gray, faces, 1.2, 2);
for (int i = 0; i < faces.size(); i++)
{
Rect r = faces[i];
rectangle(src, Po