• [技术干货] 寒假太无聊?不如几十行写个人脸检测[转载]
    今天发现这个小哥写的还是不错的给大家分享原文链接:https://blog.csdn.net/weixin_52521533/article/details/122346971操作小步骤!嘿嘿完整代码代码介绍识别器地址嘿嘿各位宝子们好呀,终于终于放寒假了,有什么新计划,或者说有哪一些好玩的事呢?反正我总是喜欢去找一些稀奇古怪的事情去做,比如说?就写了一个动态的人脸检测!!!我们做一个简单的人脸识别的主要就分成3个步骤,1.调用摄像头,2,加载识别器,3,画框框完整代码import cv2import numpy as npdef video_demo():    #调用摄像头    capture = cv2.VideoCapture(0)    while (True):        #读取我们摄像头里面的类容        ret, frame = capture.read()        frame = cv2.flip(frame, 1)        #显示每一帧        face_patterns = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')        faces = face_patterns.detectMultiScale(frame , scaleFactor=1.1, minNeighbors=5, minSize=(100, 100))        print(faces)        for (x, y, w, h) in faces:            cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)        cv2.imshow("jiemian", frame)        c = cv2.waitKey(1)        if c == 27:            breakvideo_demo()代码介绍我们首先就是要加载出我们电脑的摄像头,也就是,系统自带的就是0,至于其他的,宝们可以自己去试着修改一下 capture = cv2.VideoCapture(0)1获取完之后,我们就要去接收我们的摄像头的返回值,也就是一帧一帧的图画 ret, frame = capture.read() frame = cv2.flip(frame, 1)12接下来就是,对于我们获取下来的图像进行一个分析和把我们的人脸给画出来,在这里,我们就是使用了我们的人脸的类识别器(简单的来说,就是我们人脸的数据集合,别人帮你做好了的,一般都是xml),我把它放在了我们同一个目录下面,然后就可以直接去使用了【】预先留个位置,我到时候也会去教你们怎么做类识别器的!(爬取爬取+分析)之后的话就是对于我们的人脸经行一个画框和结果的展示啦!!!等会,这个寒假我再去把他给完善一下,现在只是人脸检测,我到时候去做一个人脸识别!!!毕竟,上面这些的面部特征,我们要派上用处,目前我的思路就是,通过欧拉路径来对人脸进行比对!!!一起好好期待一下把!如果你有什么好玩的,或者说更好的方法,欢迎私聊,评论喔!识别器地址https://pan.baidu.com/s/1fWuFDlWhYFXA6OjEQQcaUw提取码:0mrr(这个里面就是我们各种识别器的内容了,有嘴巴呀,鼻子,人脸呀,都可以直接用的,用法和上面的一样,导入我们的类识别器)
  • [资产园地] 人脸检测-RetinaFace 支持Pytorch, GPU训练, 支持CPU,GPU推理
    描述RetinaFace(人脸检测/Pytorch)注:本算法支持多卡训练、单卡混合精度训练,但在多卡情况下不支持混合精度1. 概述此模型基于RetinaFace: Single-stage Dense Face Localisation in the Wild中提出的模型结构实现,该算法会载入在WiderFace 上的预训练模型,在用户数据集上做迁移学习。我们提供了训练代码和可用于训练的模型,用于实际场景的微调训练。训练后生成的模型可直接在ModelArts平台部署成在线服务。人脸检测的评估手段一般使用mAP指标,详细说明请参考:https://github.com/Cartucho/mAP本算法的其他信息如下表所示:项目说明参考论文RetinaFace: Single-stage Dense Face Localisation in the Wild使用框架Pytorch-1.4.0训练集WIDERFACE 中的 WIDER_train训练总epoch数100训练batch_size使用混合精度单卡训练,batch_size=16训练硬件及耗时单卡v100,O1混合精度,训练大约31小时测试集WIDERFACE 中的WIDER_val推理硬件及速度CPU 10.3s/pic ,GPU2080ti 0.5s/pic–1.5s/pic ,modelarts平台V100 GPU:3226张图片总共耗时24分钟(target_size = 1600,max_size = 2150)输入图像尺寸训练:1024*1024 推理:target_size = 1600,max_size = 2150(保证图片等比例缩放,使用最小一条边缩放到target_size的缩放比例;如果此时最大边超过了max_size,则使用最大边缩放到max_size的缩放比例)原论文准确率RetinaFace-R50 Easy 96.5, Medium 95.6, Hard 90.4本算法准确率RetinaFace-R50 Easy 95.52, Medium 94.43, Hard 90.062、训练2.1. 算法基本信息任务类型:人脸检测支持的框架引擎:PyTorch-1.4.0-python3.6算法输入:存储在OBS上的数据集,必须按照WIDERFACE 数据集的格式进行存储,详情请查看下文第4节案例指导WIDERFACE 预训练模型,在WIDERFACE 上的mAP是 Easy 95.52, Medium 94.43, Hard 90.06算法输出:用于Pytorch推理的pth模型,CPU推理速度:10.3s/pic GPU2080ti推理速度:0.5s/pic–1.5s/pic ,modelarts平台V100 GPU:3226张图片总共耗时24分钟(target_size = 1600,max_size = 2150)2.2. 训练参数说明名称默认值类型是否必填是否可修改描述data_urldata/WIDERFACE/WIDER_trainstring是是训练或者评估输入的数据集 (如果使用文件夹形式的数据,则填写该文件夹在OBS上的访问路径;如果使用zip压缩包形式的数据,则填写该压缩包的父目录在OBS上的访问路径)train_urloutput/string是是训练或者评估结果输出路径data_formatzipstring否是可选值zip(上传数据为zip压缩包)或者dir(上传数据为目录形式),压缩包和目录的具体格式请查看下面《ModelArts AI市场算法RetinaFace使用指导》所附连接networkresnet50string否是模型的backbone网络,可选值 mobile0.25 、resnet50 或者resnet152num_workers1int否是数据加载的worker数量lr0.001string否是训练的初始学习率momentum0.9string否是优化器的动量系数load_weightweight/best_model.pthstring否是可加载的预训练模型,当eval=True时,该参数为必填项 ;默认值是以resnet50为backbone在WiderFace数据集上的预训练模型,该预训练模型已经包含在本算法中weight_decay0.0005string否是优化器中的正则化权重衰减量gamma0.1string否是分段衰减学习率中每次学习率衰减的比例(new_lr=lr*gamma),仅当use_cosine_decay=False该参数有效img_size1024int否是训练数据的分辨率confidence_threshold0.02string否是nms时的置信度阈值nms_threshold0.4string否是nms时的IOU阈值num_gpu1int否是当num_gpu=1时,使用单个GPU训练;当num_gpu>1时,使用机器上所有的GPU进行训练batch_size16int否是训练时的batch_size,可根据GPU的显存进行调整epoch100int否是训练的epoch数量use_backboneTruestring否是训练时是否使用backbone网络在ImageNet数据集上的预训练参数use_mixedTruestring否是是否使用混合精度进行训练,使用混合精度一定程度上可以降低显存消耗,也可能提高训练速度amp_levelO1string否是混合精度的设置,可选值:O0,O1,O2,O3warmup_epoch10int否是训练开始时,使用warmup学习率的epoch数量,warmup_epoch=-1表示不使用warmupdecay150int否是分段衰减学习率的第一次学习率降低的epoch数,仅当use_cosine_decay=False时有效decay280int否是分段衰减学习率的第二次学习率降低的epoch数,仅当use_cosine_decay=False时有效use_cosine_decayTruestring否是是否使用余弦衰减学习率,设置为False则使用分段衰减学习率optimizersgdstring否是sgd 或者 adam优化器evalFalsestring否是eval=True,则进行评估;eval=False进行训练2.3. 训练输出文件训练完成后的输出文件如下:|- RetinaFace_Resnet50_Final.pth |- deploy_scripts |- model |- data |- layers |- models |- retinaface_utils |- config.json |- customize_service.py |- save_model.pth3. GPU/CPU推理元模型来源 选择 保存在OBS上的对应路径下的deploy_scripts文件夹。注意:推理配置文件model/config.json中的runtime字段为pytorch1.4-python3.6,表示该模型可同时在CPU或GPU运行。4. 案例指导本算法的详细使用方法,请查看《ModelArts AI Gallery算法RetinaFace使用指导》。交付交付方式华为云ModelArts交付区域华北-北京一、华北-北京四、华东-上海一、华南-广州、亚太-**
  • [问题求助] atlas200DK 运行人脸检测样例 No module named 'cameracapture'
    【功能模块】运行人脸检测样例 python/level2_simple_inference/2_object_detection/face_detection_camera · Ascend/samples - 码云 - 开源中国 (gitee.com)【操作步骤&问题现象】1、按照链接中步骤完成后最后结果报错:ModuleNotFoundError: No module named 'cameracapture'2、检查步骤发现没有缺漏,想请问各位大佬,这个是什么原因【截图信息】【日志信息】(可选,上传日志内容或者附件)
  • [问题求助] 运行人脸检测样例报错:ModuleNotFoundError: No module named 'decorator'
    【功能模块】我的是在Atlas200DK上的合设环境,CANN版本是5.0.4.alpha002,固件驱动版本是1.0.12alpha【操作步骤&问题现象】1、按照文档https://gitee.com/ascend/samples/tree/master/cplusplus/level2_simple_inference/2_object_detection/face_detection_camera执行到模型转换2、使用转换命令:atc --output_type=FP32 --input_shape="data:1,3,300,300" --weight=./face_detection_fp32.caffemodel --input_format=NCHW --output=./face_detection --soc_version=Ascend310 --insert_op_conf=./insert_op.cfg --framework=0 --save_original_model=false --model=./face_detection.prototxt报错如下:ATC start working now, please wait for a moment.Traceback (most recent call last):  File "/home/HwHiAiUser/Ascend/ascend-toolkit/latest/python/site-packages/te_fusion/fusion_util.py", line 37, in <module>    from te_fusion.reduce_classify_fusion import ReduceClassifyFusion  File "/home/HwHiAiUser/Ascend/ascend-toolkit/latest/python/site-packages/te_fusion/reduce_classify_fusion.py", line 18, in <module>    from tbe.dsl import classify  File "/home/HwHiAiUser/Ascend/ascend-toolkit/latest/python/site-packages/tbe/__init__.py", line 43, in <module>    import tvm  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/tbe/tvm/__init__.py", line 34, in <module>    from . import container  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/tbe/tvm/container.py", line 21, in <module>    from .schedule import convert  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/tbe/tvm/schedule.py", line 30, in <module>    from . import build_module  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/tbe/tvm/build_module.py", line 39, in <module>    from . import target as _target  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/tbe/tvm/target.py", line 70, in <module>    raise err_msg  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/tbe/tvm/target.py", line 66, in <module>    from decorator import decorateModuleNotFoundError: No module named 'decorator'Traceback (most recent call last):  File "/home/HwHiAiUser/Ascend/ascend-toolkit/latest/python/site-packages/te/__init__.py", line 96, in <module>    import tvm  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/te/tvm/__init__.py", line 34, in <module>    from . import container  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/te/tvm/container.py", line 21, in <module>    from .schedule import convert  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/te/tvm/schedule.py", line 30, in <module>    from . import build_module  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/te/tvm/build_module.py", line 39, in <module>    from . import target as _target  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/te/tvm/target.py", line 70, in <module>    raise err_msg  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/te/tvm/target.py", line 66, in <module>    from decorator import decorateModuleNotFoundError: No module named 'decorator'Traceback (most recent call last):  File "/home/HwHiAiUser/Ascend/ascend-toolkit/latest/python/site-packages/te_fusion/compile_task_manager.py", line 31, in <module>    from te_fusion.parallel_compilation import mygetattr  File "/home/HwHiAiUser/Ascend/ascend-toolkit/latest/python/site-packages/te_fusion/parallel_compilation.py", line 40, in <module>    import tbe.common.utils.log as logger  File "/home/HwHiAiUser/Ascend/ascend-toolkit/latest/python/site-packages/tbe/__init__.py", line 43, in <module>    import tvm  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/tbe/tvm/__init__.py", line 34, in <module>    from . import container  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/tbe/tvm/container.py", line 21, in <module>    from .schedule import convert  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/tbe/tvm/schedule.py", line 30, in <module>    from . import build_module  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/tbe/tvm/build_module.py", line 39, in <module>    from . import target as _target  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/tbe/tvm/target.py", line 70, in <module>    raise err_msg  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/tbe/tvm/target.py", line 66, in <module>    from decorator import decorateModuleNotFoundError: No module named 'decorator'Traceback (most recent call last):  File "/home/HwHiAiUser/Ascend/ascend-toolkit/latest/python/site-packages/tbe/__init__.py", line 43, in <module>    import tvm  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/tbe/tvm/__init__.py", line 34, in <module>    from . import container  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/tbe/tvm/container.py", line 21, in <module>    from .schedule import convert  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/tbe/tvm/schedule.py", line 30, in <module>    from . import build_module  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/tbe/tvm/build_module.py", line 39, in <module>    from . import target as _target  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/tbe/tvm/target.py", line 70, in <module>    raise err_msg  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/tbe/tvm/target.py", line 66, in <module>    from decorator import decorateModuleNotFoundError: No module named 'decorator'Traceback (most recent call last):  File "/home/HwHiAiUser/Ascend/ascend-toolkit/latest/python/site-packages/te/__init__.py", line 96, in <module>    import tvm  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/te/tvm/__init__.py", line 34, in <module>    from . import container  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/te/tvm/container.py", line 21, in <module>    from .schedule import convert  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/te/tvm/schedule.py", line 30, in <module>    from . import build_module  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/te/tvm/build_module.py", line 39, in <module>    from . import target as _target  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/te/tvm/target.py", line 70, in <module>    raise err_msg  File "/home/HwHiAiUser/Ascend/ascend-toolkit/5.0.4.alpha002/arm64-linux/python/site-packages/te/tvm/target.py", line 66, in <module>    from decorator import decorateModuleNotFoundError: No module named 'decorator'ATC run failed, Please check the detail log, Try 'atc --help' for more informationE40001: Failed to import the Python module: [fusion_manager[Success] fusion_util[Failure] cce_policy[Failure] cce_conf[Failure] compile_task_manager[Failure] auto_tune_manager[Failure]]        [GraphOpt][InitializeInner][InitTbeFunc] Failed to init tbe.[FUNC:InitializeInner][FILE:tbe_op_store_adapter.cc][LINE:1214]        [SubGraphOpt][PreCompileOp][InitAdapter] InitializeAdapter adapter [tbe_op_adapter] failed! Ret [4294967295][FUNC:InitializeAdapter][FILE:op_store_adapter_manager.cc][LINE:63]        [SubGraphOpt][PreCompileOp][Init] Initialize op store adapter failed, OpsStoreName[tbe-custom].[FUNC:Initialize][FILE:op_store_adapter_manager.cc][LINE:92]        [FusionMngr][Init] Op store adapter manager init failed.[FUNC:Initialize][FILE:fusion_manager.cc][LINE:322]        PluginManager InvokeAll failed.[FUNC:Initialize][FILE:ops_kernel_manager.cc][LINE:94]        OpsManager initialize failed.[FUNC:InnerInitialize][FILE:gelib.cc][LINE:140]        GELib::InnerInitialize failed.[FUNC:Initialize][FILE:gelib.cc][LINE:94]请专家帮忙分析解答!【截图信息】【日志信息】(可选,上传日志内容或者附件)
  • [产品体验] 【企业直通车,百万调用免费领】仅限新用户参与
    活动介绍:如果您是华为云新用户,如果您的业务调用需求量大,我们愿意为您开通企业直通车,专人跟进,额外配置调用券。您只需填写表单提供您的案例场景,通过后台审核将有机会获得百万调用,及官方渠道的金牌案例免费推广。面向人群:华为云新用户及调用量需求十万次以上。活动时间:申请时间截止到12月31日。业务场景案例模板参考:参考案例一:实现办公楼宇人员进出人脸识别实名认证及员工考勤管理、访客智能预约。在移动办公一楼大厅电梯出口,部署人脸识别闸机,内部员工通过“刷脸”进出通道,同时在大厅前台部署人脸识别访客机,实现外来人员现场登记,访客机将采集现场人脸,同步至相应的终端设备,实现访客的“刷脸”进出。实现办公楼宇人员进出人脸识别实名认证及员工考勤管理、访客智能预约。参考案例二:使用华为云EI实时语音转写和录音文件识别能力,打造全场景字幕云、听障视频字幕一体化等产品和解决方案,助力听障生高效复学。免费品牌宣传:----------------------------------------------活动海报:联系方式:了解活动详情可扫描二维码,添加联系小助手微信
  • [其他] 人脸识别
  • [其他] FaceNet网络构建和训练,人脸检测和实操截图
    以上是我做实验的截图,我也希望能够抽奖中到我,哈哈啊哈哈哈!! 打卡打卡!
  • [问题求助] 【QA200DK】【人脸识别复现】acl init failed
    【功能模块】QA200DK【操作步骤&问题现象】使用软件版本:CANN:5.0.3a3; os(系统):18.04环境准备正常,识别程序编译正常但是到板子上启动的时候提示acl_init_failed【截图信息】【日志信息】(可选,上传日志内容或者附件)[ERROR]  acl init failed[ERROR]  Init acl resource failed[ERROR]  Classification Init resource failed
  • [其他] 物体检测传统算法
    检测窗口的选择拿人脸检测举例,当给出一张图片时,我们需要框出人脸的位置以及人脸的大小,那么最简单的方法就是暴力搜索候选框,把图像中所有可能出现框的位置从左往右、从上往下遍历一次。并且通过缩放一组图片尺寸,得到图像金字塔来进行多尺度搜索。但是这种方法往往计算量很大并且效率不高,在实际应用中并不可取。人脸具有很强的先验知识,比如人脸肤色YCbCr空间呈现很紧凑的高斯分布,通过肤色检测可以去除很大一部分候选区域,仅留下极小部分的区域作为人脸检测搜索范围。由于肤色的提取非常快,只是利用一些颜色分布的信息,把每个像素判断一下,整体速度提升很多。但肤色提取只是用到简单的颜色先验,如果遇到和肤色很像的,比如黄色的桌子,很有可能被误判成人脸的候选检测区域。进一步提高精度衍生出如Selective Search [2]  或EdgeBox [3]  等区域提取的方法,基于颜色聚类、边缘聚类的方法来快速把不是所需物体的区域给去除,相对于肤色提取精度更高,极大地减少了后续特征提取和分类计算的时间消耗。特征的设计在传统的检测中,Haar由于提取速度快,能够表达物体多种边缘变化信息,并且可以利用积分图快速计算,得到广泛的应用;LBP更多的表达物体的纹理信息,对均匀变化的光照有很好的地适应性;HOG通过对物体边缘使用直方图统计来进行编码,特征表达能力更强,在物体检测、跟踪、识别都有广泛的应用。传统特征设计往往需要研究人员经验驱动,更新周期往往较长,通过对不同的特征进行组合调优,从不同维度描述物体可以进一步提升检测精度,如ACF检测,组合了20种不同的特征表达。分类器的设计传统的分类器包含Adaboost、SVM、Decision Tree等。(1)Adaboost一个弱分类器往往判断精度不高,通过Adaboost自适应地挑选分类精度高的弱分类器并将它们加权起来,从而提升检测性能。比如说,人脸检测中一个候选窗口需要判断是否为人脸,其中一些弱分类器为颜色直方图分量(如红黄蓝三种颜色),如果黄色分量大于100,那我就认为这块可能是人脸的候选区域,这就是个非常简单的弱分类器。可是,单个这么弱的分类器判断是很不准的,那么我们就需要引入另外一些分量做辅助。比如再引入红色分量大于150,将几个条件叠加起来,就组成了一个比较强的分类器。这里弱分类器的设计往往就是确定颜色判断的阈值,为什么会选择100呢?其实这是我们需要学习得到的阈值,学习得到,当阈值设定为100时,分类的精度是最高的。另外,为什么要选择红黄蓝三种颜色?同样,因为它们分类的精度更高。通过不断进行特征挑选并学习弱分类器,最终组合提升为Adaboost强分类器。(2)SVM分类器SVM通过最大化分类间隔得到分类平面的支持向量,在线性可分的小数据集上有不错的分类精度,另外通过引入核函数将低维映射到高维,从而线性可分,在检测场景被广泛使用。(3)决策树决策树(Decision Tree)是一种树形结构,其中每个内部节点表示一个属性上的测试,每个分支代表一个测试输出,每个叶子节点代表一种类别。以二叉树为例,假如从树根进来有个二分类,我们需要区分它是人脸或者是非人脸,左边是非人脸,右边是人脸。当我进入第一个二叉树分类器节点判断,如果是非人脸的话直接输出结果,如果是人脸候选的话进入下一层再做进一步的分类。通过学习每个节点的分类器来构造决策树,最终形成一个强分类器。(4)随机森林通过对决策树进行Ensemble,组合成随机森林更好的提高分类或者回归精度。
  • [问题求助] 【Atlas200DK产品】【检测样例功能】运行人脸检测样例 之 3
    【功能模块】https://gitee.com/ascend/samples/tree/master/python/level2_simple_inference/2_object_detection/face_detection_camera使用人脸检测模型对树莓摄像头中的即时视频进行人脸检测。【操作步骤&问题现象】样例运行后,出错:1、cd $HOME/face_detection_camera/src2、python3.6 main.py3、出错信息:【截图信息】问题:1、 是因为缺少atlas_utils 吗?我该如何安装?2、我想连接手头的海康摄像头,该如何做呢?谢谢!
  • [问题求助] [问题求助] 【Atlas200DK产品】【检测样例功能】运行人脸检测样例 之 2
    【功能模块】https://gitee.com/ascend/samples/tree/master/python/level2_simple_inference/2_object_detection/face_detection_camera使用人脸检测模型对树莓摄像头中的即时视频进行人脸检测。【操作步骤&问题现象】样例运行时:1、登录200DK 开发板:ssh HwHiAiUser@xxx.xxx.xxx.xxx2、进入该目录:cd $HOME/face_detection_camera3、执行:bash scripts/run_presenter_server.sh,报错:Check python3 libs ......ERROR: install tornado failed, please check your env.【截图信息】【日志信息】(可选,上传日志内容或者附件)
  • [问题求助] 【Atlas200DK产品】【检测样例功能】运行人脸检测样例
    【功能模块】https://gitee.com/ascend/samples/tree/master/python/level2_simple_inference/2_object_detection/face_detection_camera使用人脸检测模型对树莓摄像头中的即时视频进行人脸检测。【操作步骤&问题现象】1、已按照环境准备和依赖安装准备好环境。     已完成对应产品的开发环境和运行环境安装。2、当执行这句命令:username@username-virtual-machine:~/models/face_detection_camera$ atc --input_shape="data:1,3,300,300" --weight="./face_detection_fp32.caffemodel" --input_format=NCHW --output="./face_detection" --soc_version=Ascend310 --insert_op_conf=./insert_op.cfg --framework=0 --model="./face_detection.prototxt"报错:/home/username/Ascend/ascend-toolkit/5.0.3.alpha005/x86_64-linux/atc/bin/atc.bin: error while loading shared libraries: libascend_hal.so: cannot open shared object file: No such file or directory【截图信息】命令执行:环境变量:【日志信息】(可选,上传日志内容或者附件)
  • [行业资讯] 《个人信息保护法》施行:不得过度收集个人信息 滥用人脸识别
    据新华社消息,个人信息保护法11月1日起正式施行。本法共八章七十四条,明确了个人信息和敏感个人信息的处理规则,完善个人信息保护投诉、举报工作机制,从严惩治违法行为,全方位保护你的信息安全。任何组织、个人不得非法收集、使用、加工、传输他人个人信息,不得非法买卖、提供或者公开他人个人信息;个人信息处理者利用个人信息进行自动化决策,不得对个人在交易价格等交易条件上实行不合理的差别待遇;提供重要互联网平台服务、用户数量巨大、业务类型复杂的个人信息处理者,应遵循公开、公平、公正的原则,制定平台规则,明确平台内产品或者服务提供者处理个人信息的规范和保护个人信息的义务。
  • [技术干货] 央视曝光大量人脸照片几毛钱价格被售:谁在盗刷我的脸
    一张静态的半身照,经过特殊的软件处理,就能够变成一段视频,而这样一段视频就可以冒充人脸识别的图像。 据央视网报道称,嫌疑人交代,由于国家规范手机卡的使用,所有手机卡都需要实名认证。一些不法分子对手机卡需求量巨大,嫌疑人也因此动起了歪脑筋,伪造他人的人脸视频来通过注册认证。而在网络上,有不少专门贩卖这些资料的人员,他们被称为“料商”。 犯罪嫌疑人 马某:“有的便宜的有几毛钱,有的也就一块钱”。开始的个人信息泄露,到在网络上被以几毛钱的价格进行兜售,再到伪造自己的人脸进行认证,很多受害人对此是一无所知。不少网友看到这一幕后纷纷表示,希望能够彻查这些不法商贩,然后查清源头。中国政法大学传播法研究中心副主任朱巍表示,目前没有法律具体规定谁有权采集我们的人脸信息。我们希望这个问题能在法律层面上尽早明确,避免出现商家随意收集用户人脸信息的情况,或“不刷脸就不提供服务”的霸王条款。记者在调查中还发现,多款APP还存在着随意收集人脸数据信息的情况。
  • [问题求助] 关于小熊派人脸识别
    希望使用小熊派实现图像识别的功能,请问是否可以有外接的摄像头,对应的应该选用哪一款小熊派的芯片。