2. 程式人生 > >基於虹軟人臉識別API和Qt5的人臉識別

基於虹軟人臉識別API和Qt5的人臉識別

阿新 • • 發佈：2019-05-22

測試和使用了虹軟的人臉API在QT5環境下設計了一個簡單的人臉識別軟體，實現了對人臉的跟蹤和人臉識別。攝像頭的控制以及影象格式的轉換使用了Opencv，影象顯示使用的是QT5的Qimage控制元件。下面是詳細介紹

1基本流程

  （1）載入儲存的參考影象資料和影象標籤，這裡簡單的使用影象的名字作為標籤

  （2）使用虹軟人臉識別API計算參考影象的人臉位置資料並存儲

  （3）使用opencv  VideoCapture  類採集攝像頭影象資料

  （2）採集的影象資料送入虹軟人臉識別API 計算人臉位置，並和參考人臉資料計算相似距離，返回最相似的人臉標籤

2 Visual Studio 下構建Qt工程

（1）工程目錄如下圖所示： 在這裡插入圖片描述 其中QtGuiApplication1.ui是介面檔案，Header File資料夾中的amcomdef.h

ammem.h arcsoft_fsdk_face_detection.h arcsoft_fsdk_face_recognition.h

asvloffscreen.h merror.h 是從虹軟庫中拷貝的標頭檔案未做任何修改

FaceDiscern.h 和FaceDiscern.cpp是自定義的一個人臉識別類

（2）工程屬性配置

點選工程屬性->聯結器->輸入中出了QT5的庫檔案，新增opencv_world340d.lib 在這裡插入圖片描述 點選工程屬性-》VC++目錄新增OpenCV的標頭檔案和庫檔案的路徑，其中包含目錄新增opencv的標頭檔案路徑，庫目錄新增opencv的dll路徑，如下圖 在這裡插入圖片描述

2工程類檔案詳解

 （1）QtGuiApplication1 ui類的原始檔如下所示，其中Mat2QImage函式將opencv採集的影象資料轉化為QImage支          持    的資料格式, VideoCapture 是Opencv用來操作攝像頭的類，QImage用來顯示採集的影象資料


#pragma once
#include <QtWidgets/QMainWindow>
#include "ui_QtGuiApplication1.h"
#include "qmessagebox.h"
#include "opencv2/core/core.hpp"  
#include "opencv2/highgui/highgui.hpp"  
#include "opencv2/imgproc/imgproc.hpp"  
#include <iostream>
#include "qtimer.h"
#include "FaceDiscern.h"
#include "qrect.h"
#include "qpainter.h"
using namespace cv;
using namespace std;
class QtGuiApplication1 : public QMainWindow
{
	Q_OBJECT
public:
	QtGuiApplication1(QWidget *parent = Q_NULLPTR);
	~QtGuiApplication1();
	QImage  Mat2QImage(cv::Mat cvImg); //影象格式轉換
	QTimer  *timer;
	Mat     frame;            //攝像頭直接獲得的資料
	FaceDiscern *facediscern; //人臉識別類
private:
	Ui::QtGuiApplication1Class ui;
	VideoCapture capture; //採集攝像頭的資料
	QImage qImg;          //展示影象的控制元件
	//---槽函式 用作事件觸發
public slots :
		void openVideo();
		void stopVideo();
		void nextFrame();
 
};

（2）QtGuiApplication1.cpp


#include "QtGuiApplication1.h"
 
QtGuiApplication1::QtGuiApplication1(QWidget *parent)
	: QMainWindow(parent)
{
	ui.setupUi(this);
	ui.image->setScaledContents(true);  //fit video to label area
	facediscern = new FaceDiscern("F:\\trainimages");//載入參考影象資料和標籤
	facediscern->Train();//計算參考資料影象資料的人臉位置等
	
}
 
QtGuiApplication1::~QtGuiApplication1()
{
	if (capture.isOpened())
		capture.release();
	delete(timer);
}
 
void QtGuiApplication1::openVideo()
{
	if (capture.isOpened())
		capture.release();     //decide if capture is already opened; if so,close it
	capture.open(0);           //open the default camera
	if (capture.isOpened())
	{
		double  rate = capture.get(CV_CAP_PROP_FPS);
		capture >> frame;  //獲得攝像頭影象資料
		if (!frame.empty())
		{
			QImage  image = Mat2QImage(frame); //將攝像頭的影象資料轉換為QImage支援的格式
			this->ui.image->setPixmap(QPixmap::fromImage(image));
 
			timer = new QTimer(this); //迴圈獲得攝像頭資料
			connect(timer, SIGNAL(timeout()), this, SLOT(nextFrame()));
			timer->start(40);
		}
	}
}
void QtGuiApplication1::stopVideo()
{
	if (capture.isOpened())
	{
		capture.release();
	}
}
//迴圈獲得攝像頭資料
void QtGuiApplication1::nextFrame()
{
	capture >> frame;
	double  rate = capture.get(CV_CAP_PROP_FPS);
	if (!frame.empty())
	{
		QImage  image = Mat2QImage(frame);
		
        //通過人臉檢測API獲得人臉的位置並在Qimage上顯示人臉框
		QRect rect;
        //RecognizeFace識別人臉的位置並計算人臉所屬的標籤
		string result = facediscern->RecognizeFace(&frame, rect);
        
		static QTextCodec *codecForCStrings;
		QString strQ = QString::fromLocal8Bit(result.c_str());
		QString s1 = strQ;//這是在qlabel中顯示中文的辦法
		this->ui.result->setText(s1); //在控制元件上顯示人臉所屬的標籤
 
		QPainter painter(&image);
		// 設定畫筆顏色
		painter.setPen(QColor(255, 0, 0));
		painter.drawRect(rect);//繪製人臉的框
		this->ui.image->setPixmap(QPixmap::fromImage(image));
 
	}
 
}
 
//將opencv 的cv::Mat 格式影象轉換為QImage影象
QImage  QtGuiApplication1::Mat2QImage(cv::Mat cvImg)
{
	if (cvImg.channels() == 3)                             //3 channels color image
	{
		cv::cvtColor(cvImg, cvImg, CV_BGR2RGB); //BGR 轉為 RGB
		qImg = QImage((const unsigned char*)(cvImg.data),
			cvImg.cols, cvImg.rows,
			cvImg.cols*cvImg.channels(),
			QImage::Format_RGB888);
	}
	else if (cvImg.channels() == 1)                    //grayscale image
	{
		qImg = QImage((const unsigned char*)(cvImg.data),
			cvImg.cols, cvImg.rows,
			cvImg.cols*cvImg.channels(),
			QImage::Format_Indexed8);
	}
	else
	{
		qImg = QImage((const unsigned char*)(cvImg.data),
			cvImg.cols, cvImg.rows,
			cvImg.cols*cvImg.channels(),
			QImage::Format_RGB888);
	}
	return qImg;
 
}

(3) FaceDiscern.h

FaceDiscern 是人臉識別的主類 執行了人臉位置檢測和人臉相似度計算等功能


#pragma once
#include <stdio.h>
#include <stdlib.h>
#include <stdint.h>
#include <Windows.h>
#include <iostream>
#include <vector>
#include <string>
#include <io.h>
#include <map>
#include "arcsoft_fsdk_face_recognition.h"
#include "merror.h"
#include "arcsoft_fsdk_face_detection.h"
#include "opencv2/core/core.hpp"  
#include "opencv2/highgui/highgui.hpp"  
#include "opencv2/imgproc/imgproc.hpp" 
#include "qrect.h"
//動態載入人臉識別的API庫 libarcsoft_fsdk_face_detection是人臉檢測庫
//libarcsoft_fsdk_face_recognition.lib是人臉識別庫
#pragma comment(lib,"libarcsoft_fsdk_face_detection.lib")
#pragma comment(lib,"./libarcsoft_fsdk_face_recognition.lib")
using namespace cv;
#define WORKBUF_SIZE        (40*1024*1024)
 
class FaceDiscern
{
public:
	FaceDiscern(std::string _trainpath);
	~FaceDiscern();
    //將cv::Mat格式的影象轉換為Bitmap
	void ConvertMatToBitmap(cv::Mat *img, uint8_t **imageData, int *pWidth, int *pHeight);
    void  getFiles(std::string path, std::vector<std::string>& files, std::vector<std::string> &ownname);
	void  Train();
	bool  readBmp24(const char* path, uint8_t **imageData, int *pWidth, int *pHeight);
	std::string  RecognizeFace(cv::Mat *img, QRect &rect);
     
    //APPID是從網站上註冊的免費使用id 
    char APPID[45]  = "9aEAsHDYzzzWapX9rH9BZHhdBz8CPTfws4WuF5xdmgnf";
	char SDKKey[45] = "61MrwdsfKaMT8cm41uKPQBdCm4rKMLSELtJqs12p7WoV";	//SDKKey
    char DETECTIONKKey[45] = "61MrwdsfKaMT8cm41uKPQBci7TocqKmAASGS7infomre";
	std::string trainpath = "F:\\trainimages";
    MRESULT nRet ;
	MHandle hEngine ;
	MInt32  nScale ;
	MInt32  nMaxFace ;
	MByte  *pWorkMem;
 
	std::vector<std::string>  trainfullfiles;//完整路徑名
	std::vector<std::string>  trainnamefiles;
	std::string   *labels;
	std::map<std::string, std::string> dicfilenametoname;
  
	/* 初始化引擎和變數 */
	MRESULT detectionnRet;
	MHandle hdetectionEngine;
	MInt32  ndetetionScale;
	MInt32  ndetectionMaxFace ;
	MByte   *pdetectionWorkMem;
 
	int trainCount = 0;
	LPAFR_FSDK_FACEMODEL  *trainfaceModels;
 
	AFR_FSDK_FACEMODEL dectfaceModels;
 
};

（4）FaceDiscern.cpp


#include "FaceDiscern.h"
FaceDiscern::FaceDiscern(std::string _trainpath)
{
	nRet = MERR_UNKNOWN;
	hEngine = nullptr;
	nScale = 16;
	nMaxFace = 10;
	pWorkMem = (MByte *)malloc(WORKBUF_SIZE);
 
	/* 初始化引擎和變數 */
	 detectionnRet = MERR_UNKNOWN;
	 hdetectionEngine = nullptr;
	 ndetetionScale = 16;
	 ndetectionMaxFace = 10;
	 pdetectionWorkMem = (MByte *)malloc(WORKBUF_SIZE);
	 dicfilenametoname.insert(std::pair<std::string, std::string>("bingbing.bmp", "冰冰女神"));
	 dicfilenametoname.insert(std::pair<std::string, std::string>("fangfang.bmp", "村裡有個姑娘叫小芳"));
	 dicfilenametoname.insert(std::pair<std::string, std::string>("feifei.bmp", "劉亦菲"));
	 dicfilenametoname.insert(std::pair<std::string, std::string>("huihui.bmp", "冷工"));
	 dicfilenametoname.insert(std::pair<std::string, std::string>("shishi.bmp", "詩詩妹妹"));
	 dicfilenametoname.insert(std::pair<std::string, std::string>("xiaxia.bmp", "天上掉下個林妹妹"));
	 dicfilenametoname.insert(std::pair<std::string, std::string>("xudasong.bmp", "鬆哥"));
	 dicfilenametoname.insert(std::pair<std::string, std::string>("likunpeng.bmp", "李工"));
	 dicfilenametoname.insert(std::pair<std::string, std::string>("gaojianjun.bmp", "高建軍"));
	 dicfilenametoname.insert(std::pair<std::string, std::string>("liuzhen.bmp", "小鮮肉振哥"));
	 dicfilenametoname.insert(std::pair<std::string, std::string>("liting.bmp", "女王婷姐"));
	 dicfilenametoname.insert(std::pair<std::string, std::string>("wangxuetao.bmp", "雪濤"));
	 dicfilenametoname.insert(std::pair<std::string, std::string>("guowei.bmp", "郭大俠")); 
	 dicfilenametoname.insert(std::pair<std::string, std::string>("mingxin.bmp", "寶寶鳴新"));
	this->trainpath = _trainpath;
}
 
 
FaceDiscern::~FaceDiscern()
{
	/* 釋放引擎和記憶體 */
	detectionnRet = AFD_FSDK_UninitialFaceEngine(hdetectionEngine);
	if (detectionnRet != MOK)
	{
		fprintf(stderr, "UninitialFaceEngine failed , errorcode is %d \n", detectionnRet);
	}
	free(pdetectionWorkMem);
 
	for (int i = 0; i < trainCount; i++)
	{
		if (trainfaceModels[i]->pbFeature != NULL)
			free(trainfaceModels[i]->pbFeature);
	}
	nRet = AFR_FSDK_UninitialEngine(hEngine);
	if (nRet != MOK)
	{
		fprintf(stderr, "UninitialFaceEngine failed , errorcode is %d \n", nRet);
	}
}
 
//載入所有的參考影象和影象名字作為參考庫
void  FaceDiscern::getFiles(std::string path, std::vector<std::string>& files, std::vector<std::string> &ownname)
{
	/*files儲存檔案的路徑及名稱(eg.   C:\Users\WUQP\Desktop\test_devided\data1.txt)
	4      ownname只儲存檔案的名稱(eg.     data1.txt)*/
	//檔案控制代碼  
	long long  hFile = 0;
	//檔案資訊  
	struct _finddata_t fileinfo;
	std::string p;
	if ((hFile = _findfirst(p.assign(path).append("\\*").c_str(), &fileinfo)) != -1)
	{
		do
		{
			//如果是目錄,迭代之  
			//如果不是,加入列表  
			if ((fileinfo.attrib &  _A_SUBDIR))
			{  /*
			   if(strcmp(fileinfo.name,".") != 0  &&  strcmp(fileinfo.name,"..") != 0)
			   getFiles( p.assign(path).append("\\").append(fileinfo.name), files, ownname ); */
			}
			else
			{
				files.push_back(p.assign(path).append("\\").append(fileinfo.name));
				ownname.push_back(fileinfo.name);
			}
		} while (_findnext(hFile, &fileinfo) == 0);
		_findclose(hFile);
	}
 
 
}
//將cv::Mat轉換為Bitmap
void  FaceDiscern::ConvertMatToBitmap(cv::Mat *img, uint8_t **imageData, int *pWidth, int *pHeight)
{
	//======建立點陣圖資訊 ===========
	int width, height, depth, channel;
	width = img->cols;
	height = img->rows;
	depth = img->depth();
	channel = img->channels();
	*pWidth = width; //影象寬。高
	*pHeight = height;
 
	int linebyte = width * channel;
	*imageData = (uint8_t *)malloc(linebyte * (*pHeight));
	for (int i = 0; i<height; i++) {
		for (int j = 0; j<width; j++) {
 
			*((*imageData) + i * width*channel + j * channel) = (*img).at<Vec3b>(i, j)[2];// (uint8_t)(*(img + i * width*channel + j * width + 2));
			*((*imageData) + i * width*channel + j * channel + 1) = (*img).at<Vec3b>(i, j)[1];
			*((*imageData) + i * width*channel + j * channel + 2) = (*img).at<Vec3b>(i, j)[0];
		} // end of line                     
	}
}
//從檔案中讀取影象並轉化為bitmap
bool FaceDiscern::readBmp24(const char* path, uint8_t **imageData, int *pWidth, int *pHeight)
{
	if (path == NULL || imageData == NULL || pWidth == NULL || pHeight == NULL)
	{
		return false;
	}
	FILE *fp = fopen(path, "rb");
	if (fp == NULL)
	{
		return false;
	}
	fseek(fp, sizeof(BITMAPFILEHEADER), 0);
	BITMAPINFOHEADER head;
	fread(&head, sizeof(BITMAPINFOHEADER), 1, fp);
	*pWidth = head.biWidth;
	*pHeight = head.biHeight;
	int biBitCount = head.biBitCount;
	if (24 == biBitCount)
	{
		int lineByte = ((*pWidth) * biBitCount / 8 + 3) / 4 * 4;
		*imageData = (uint8_t *)malloc(lineByte * (*pHeight));
		uint8_t * data = (uint8_t *)malloc(lineByte * (*pHeight));
		fseek(fp, 54, SEEK_SET);
		fread(data, 1, lineByte * (*pHeight), fp);
		for (int i = 0; i < *pHeight; i++)
		{
			for (int j = 0; j < *pWidth; j++)
			{
				memcpy((*imageData) + i * (*pWidth) * 3 + j * 3, data + (((*pHeight) - 1) - i) * lineByte + j * 3, 3);
			}
		}
		free(data);
	}
	else
	{
		fclose(fp);
		return false;
	}
	fclose(fp);
	return true;
}
 
//載入所有的參考資料
void FaceDiscern::Train()
{
	if (pWorkMem == nullptr)
	{
		return;
	}
	nRet = AFR_FSDK_InitialEngine(APPID, SDKKey, pWorkMem, WORKBUF_SIZE, &hEngine); //初始化引擎
 
	if (nRet != MOK)
	{
		return;
	}
 
	getFiles(trainpath, trainfullfiles, trainnamefiles);
	//生成訓練資料 特徵集合
	
	if (trainfullfiles.size() > 0)
	{
        //參考影象資料的人臉特徵和標籤的儲存
		trainfaceModels = new LPAFR_FSDK_FACEMODEL[trainfullfiles.size()];
		labels = new  std::string[trainfullfiles.size()];
	}
	else
	{
		return ;
	}
	for (int i = 0; i < trainfullfiles.size(); i++)
	{
		std::string filename = trainfullfiles[i];
		/* 讀取第一張靜態圖片資訊，並儲存到ASVLOFFSCREEN結構體 （以ASVL_PAF_RGB24_B8G8R8格式為例） */
		ASVLOFFSCREEN offInput = { 0 };
		offInput.u32PixelArrayFormat = ASVL_PAF_RGB24_B8G8R8;
		offInput.ppu8Plane[0] = nullptr;
		const char * path = filename.c_str();
		readBmp24(path, (uint8_t**)&offInput.ppu8Plane[0], &offInput.i32Width, &offInput.i32Height);
		if (!offInput.ppu8Plane[0])
		{
			fprintf(stderr, "fail to ReadBmp(%s)\n", path);
			AFR_FSDK_UninitialEngine(hEngine);
			free(pWorkMem);
			continue ;
		}
		offInput.pi32Pitch[0] = offInput.i32Width * 3;
		AFR_FSDK_FACEMODEL *faceModels = new AFR_FSDK_FACEMODEL();
		{
			AFR_FSDK_FACEINPUT faceInput;
			//第一張人臉資訊通過face detection\face tracking獲得
			faceInput.lOrient = AFR_FSDK_FOC_0;//人臉方向
											   //人臉框位置
			faceInput.rcFace.left = 0;
			faceInput.rcFace.top = 0;
			faceInput.rcFace.right = offInput.i32Width - 2;;
			faceInput.rcFace.bottom = offInput.i32Height - 2;;
			//提取第一張人臉特徵
			AFR_FSDK_FACEMODEL LocalFaceModels = { 0 };
			nRet = AFR_FSDK_ExtractFRFeature(hEngine, &offInput, &faceInput, &LocalFaceModels);
			if (nRet != MOK)
			{
				fprintf(stderr, "fail to Extract 1st FR Feature, error code: %d\n", nRet);
			}
			/* 拷貝人臉特徵結果 */
			faceModels->lFeatureSize = LocalFaceModels.lFeatureSize;
			faceModels->pbFeature = (MByte*)malloc(faceModels->lFeatureSize);
			memcpy(faceModels->pbFeature, LocalFaceModels.pbFeature, faceModels->lFeatureSize);
		}
		trainfaceModels[i] = faceModels;
		labels[i] = trainnamefiles[i];
		trainCount++;
	}
 
	if (pdetectionWorkMem == nullptr)
	{
		return;
	}
	//人臉檢測engine
	detectionnRet = AFD_FSDK_InitialFaceEngine(APPID, DETECTIONKKey, pdetectionWorkMem, WORKBUF_SIZE, &hdetectionEngine, AFD_FSDK_OPF_0_HIGHER_EXT, ndetetionScale, ndetectionMaxFace);
	if (detectionnRet != MOK)
	{
		return;
	}
	
}
//簡單的通過距離相似計算出最相似的參考影象
std::string FaceDiscern::RecognizeFace(cv::Mat *img, QRect &rect)
{
	/* 讀取靜態圖片資訊，並儲存到ASVLOFFSCREEN結構體 （以ASVL_PAF_RGB24_B8G8R8格式為例） */
	/* 人臉檢測 */
 
	ASVLOFFSCREEN offInput = { 0 };
	offInput.u32PixelArrayFormat = ASVL_PAF_RGB24_B8G8R8;
	offInput.ppu8Plane[0] = nullptr;
	ConvertMatToBitmap(img, (uint8_t**)&offInput.ppu8Plane[0], &offInput.i32Width, &offInput.i32Height);
	if (!offInput.ppu8Plane[0])
	{
		return "";
	}
	offInput.pi32Pitch[0] = offInput.i32Width * 3;
	LPAFD_FSDK_FACERES	FaceRes = nullptr;
	detectionnRet = AFD_FSDK_StillImageFaceDetection(hdetectionEngine, &offInput, &FaceRes);
	void *imgptr = offInput.ppu8Plane[0];
	////識別人臉資訊
	AFR_FSDK_FACEINPUT faceInput;
	faceInput.lOrient = AFR_FSDK_FOC_0;//人臉方向							   //人臉框位置
	faceInput.rcFace.left =FaceRes->rcFace[0].left;
	faceInput.rcFace.top = FaceRes->rcFace[0].top;
	faceInput.rcFace.right = FaceRes->rcFace[0].right;
	faceInput.rcFace.bottom = FaceRes->rcFace[0].bottom;
 
	rect.setLeft(FaceRes->rcFace[0].left);
	rect.setTop(FaceRes->rcFace[0].top);
	rect.setRight(FaceRes->rcFace[0].right);
	rect.setBottom(FaceRes->rcFace[0].bottom);
	//提取人臉特徵
	nRet = AFR_FSDK_ExtractFRFeature(hEngine, &offInput, &faceInput, &dectfaceModels);
	free(imgptr);
	
	if (nRet != MOK)
	{
		return "";
	}
	float maxscore = -1.0;
	int index = -1;
	for (int i = 0; i < trainCount; i++)
	{
		MFloat  fSimilScore = 0.0f;
		nRet = AFR_FSDK_FacePairMatching(hEngine, &dectfaceModels, trainfaceModels[i], &fSimilScore);
		if (fSimilScore > maxscore)
		{
			maxscore = fSimilScore;
			index = i;
		}
	}
	if (index != -1)
	{
		double num = maxscore * 100.0;
		std::string str;
		char ctr[10];
		_gcvt(num, 6, ctr);
		str = ctr;
		std::string nameresult = labels[index];
		if (dicfilenametoname.find(nameresult) != dicfilenametoname.end())
		{
			nameresult = dicfilenametoname[nameresult];
		}
		return nameresult + "," + str;
	}
	//釋放
	if(dectfaceModels.lFeatureSize>0)
	   free(dectfaceModels.pbFeature);
 
	return "";
}

(3) 介面展示 在這裡插入圖片描述 最後是SDK下載地址 https://ai.arcsoft.com.cn/ucenter/user/reg?utm_source=csdn1&ut

相關推薦

基於虹軟人臉識別API和Qt5的人臉識別

測試和使用了虹軟的人臉API在QT5環境下設計了一個簡單的人臉識別軟體，實現了對人臉的跟蹤和人臉識別。攝像頭的控制以及影象格式的轉

基於虹軟人臉識別，實現身份認證和自助髮卡

　　去年下半年開始從BS開發轉戰CS開發了，相繼做了一些大大小小的專案。最近在做的一個人臉識別挺有意思，作為一個初學者我也是摸著石頭過河。這個專案主要是通過攝像頭捕獲的人臉特徵與身份證資訊中的人臉照片進行比對，比對通過的話，可以通過髮卡機寫入資訊至卡片並吐出這張卡片，使用者拿著這張卡片進行後續操作。對於髮卡機

基於虹軟的Android的人臉識別SDK使用測試

現在有很多人臉識別的技術我們可以拿來使用；但是個人認為還是離線端的SDK比較實用；所以個人一直在蒐集人臉識別的SDK；原來使用開源

trackingjs+websocket+百度人臉識別API，實現人臉簽到

在公司做了個年會的簽到、抽獎系統。用java web做的，用公司的辦公app掃二維碼碼即可簽到，掃完碼就在大螢幕上顯示這個人的照片。之後領導讓我改得高大上一點，用人臉識別來簽到，就把掃二維碼的步驟改成人臉識別。瞭解了相關技術後，大致思路如下：先用websocket與後臺建立通

車牌識別 api接口車牌識別 SDK車牌識別OCR

車牌識別 api接口車牌識別 SDK車牌整牌識別率高達99.7%，尤其漢字識別遙遙領先同類產品；2. 識別速度快，極致優化的車牌定位和識別算法;3. 支持牌照全，包括藍牌、黃牌、掛車號牌、新軍牌、警牌、新武警車牌、教練車牌、大使館車牌、農用車牌、個性化車牌、港澳出入境車牌、澳臺車牌、民航車牌、領館車牌、新能源

C#實現基於ffmpeg加虹軟的人臉識別

ffmpeg 開源 基於 進行 space 包裝 php c# 同時 基於ffmpeg和虹軟人臉識別庫的C#開源實現，對虹軟人臉識別庫進行了包裝，便於在C#中快速、安全的調用識別函數。同時，開源代碼中，包含完整的實現示例 http://pic.cnhubei.com

基於python、虹軟實現人臉檢測，人臉識別

虹軟的人臉識別技術也是很強的，重要的是他免費提供了離線的sdk，還提供了例項，這個是目前幾家研究人臉識別的大公司裡面少有的。識別能力正常用還是可以的。我這個程式碼是呼叫的離線sdk實現的  from arcsoft import CLibrary, ASVL_COLOR_FORMAT,

C#實現基於ffmpeg加虹軟Arcface的人臉識別demo

應用 年齡 識別 extract orm 容錯 lib ces options 對開發庫的C#封裝，屏蔽使用細節，可以快速安全的調用人臉識別相關API。具體見github地址。新增對.NET Core的支持，在Linux（Ubuntu下）測試通過。具體的使用例子和Demo詳

C#實現基於ffmpeg加虹軟的人臉識別demo及開發分享

對開發庫的C#封裝，遮蔽使用細節，可以快速安全的呼叫人臉識別相關API。具體見github地址。新增對.NET Core的支援，在

人臉識別演算法虹軟arcface和Dlib對比

我司最近要做和人臉識別相關的產品，原來使用的是其他的線上平臺，識別率和識別速度很滿意，但是隨著量起來的話，成本也是越來越不能接受（

C# 虹軟SDK視訊人臉識別和註冊

一，準備工作 1.Afoge視訊引數類 程式碼using AForge.Video.DirectShow; using Syste

虹軟人臉識別速度測試征集

width cso 線程數 比對 場景 最快 xtra 1-1 PE 場景是一張有10張臉的圖片（下圖），在包含1萬張人臉的庫（準備了100張人臉的特征文件，循環100次當做1萬個樣本）裏面進行比對。想得出在不同cpu的情況下，多少線程數是最快的？要多少時間（包括：總體、圖

虹軟人臉識別iOS SDK2.0

最近公司要在APP上新增一個人臉識別功能，在網上搜了一圈，發現虹軟的人臉識別SDK挺好用的，而且還免費，所以就下載了他們的SDK研究了一下。總的來看功能挺好用的，只是demo上面部分功能不是很完善，所以就在官方demo的基礎上改動了一些小的功能。 新增功能：1. 通過圖片註冊人臉2. 增加列表頁面可以檢視和

Java-基於百度API的圖片文字識別（支援中文，英文和中英文混合）

PS： 基於Java 1.8 版本控制：maven 使用之前需要獲取對應的專案API_KEY，SECRET_KEY，這些引數在使用API的時候必須用到，

Java-基於百度API的圖片文字識別（支援中文，英文和中英文混合）貨運APP開發找上海捌躍網路科技有限公司

PS： 基於Java 1.8 版本控制：maven 使用之前需要獲取對應的專案API_KEY，SECRET_KEY，這些引數在使用API的時候必須用到，用於生成access_token。 如何獲取這些引數：在百度開發者中心申請一個“通用文字識別”專案，然後就可

OC-虹軟人臉識別使用

1.匯入檔案中FaceID壓縮包中的內容到專案中。（去github下載也可以） 2.在虹軟官網建立專案並下載該專案對應的SDK,然後匯入專案中。 3.將官網上該專案的各種key值填到AFVideoProcessor.m對應的位置 4.Target->g

虹軟離線人臉識別 ArcFace 2.0 Demo [C++]

    環境： win10（10.0.16299.0）+ VS2017     sdk版本：ArcFace v2.0     OPENCV3.43版本     x64平臺Debug、Release配置都已通過編譯 配置過程 ->0x01  下載sdk：

虹軟人臉識別在 linux中so檔案載入不到的問題

                      其實是可以載入到的，不過是so檔案放的位置不一對，最簡單的方式是放在 /usr/lib64 目錄下，也可自己設定。 so檔案載入不到會報這個錯誤：

虹軟人臉識別AndroidDEMO學習總結，利用SurfaceView預覽，以及相機呼叫的一些坑

第一篇部落格獻給了虹軟人臉識別，寫的不好歡迎指正。這幾天，接到需求要加上人臉識別的功能，抱著面向百度程式設計的心態，我果然搜到了虹軟人臉識別API。閱讀開發文件，研究DEMO實現流程，經過這幾天的鬥爭，終於搞了一個適合需求的DEMO出來。將這幾天的成果總結一下，有需要的朋友可

實現基於微信小程式的人臉識別思路和步驟

人臉識別就是：指利用分析比較人臉視覺特徵資訊進行身份鑑別的計算機技術。人臉識別是一項熱門的計算機技術研究領域，可以將人臉明暗偵測，自動調整動態曝光補償，人臉追蹤偵測，自動調整影像放大；它屬於生物特徵識別技術，是對生物體（一般特指人）本身的生物特徵來區分生物體個體。原文：htt