想用python做一個人臉識別認(rèn)證當(dāng)畢業(yè)設(shè)計用，有沒有什么建議或者大體設(shè)計思路？至少有兩種解決方案。第一個是做一個人臉設(shè)計應(yīng)用系統(tǒng)，它傾向于實現(xiàn)整個設(shè)計的內(nèi)容；第二個是重點研究具體的識別模型算法。具體

想用python做一個人臉識別認(rèn)證當(dāng)畢業(yè)設(shè)計用，有沒有什么建議或者大體設(shè)計思路？

至少有兩種解決方案。第一個是做一個人臉設(shè)計應(yīng)用系統(tǒng)，它傾向于實現(xiàn)整個設(shè)計的內(nèi)容；第二個是重點研究具體的識別模型算法。具體來說：

這種方案可以把竣工設(shè)計看作是一種工程實踐竣工設(shè)計。內(nèi)容涉及整個系統(tǒng)的設(shè)計，如BS架構(gòu)或CS架構(gòu)，如何采集人臉數(shù)據(jù)，搭建識別終端設(shè)備，后端服務(wù)器，數(shù)據(jù)庫設(shè)計，硬件拓?fù)浜蛿?shù)據(jù)流設(shè)計等，具體的人臉識別模型訓(xùn)練和算法實現(xiàn)，可以使用開源程序，opencv、keras等Python庫都有開源的算法，可以用來滿足一般的需要，本文只介紹了算法的原理，不能重點對整個算法進行優(yōu)化。

該方案側(cè)重于具體的模型和算法實現(xiàn)。我們需要通過對現(xiàn)有算法的優(yōu)化，提出一種精度更高、模型訓(xùn)練速度更快或樣本量更小的算法。作為論文，必須給出具體的優(yōu)化指標(biāo)。例如，我們可以研究基于深度神經(jīng)網(wǎng)絡(luò)的單樣本模型算法，以提高人臉識別的可靠性和準(zhǔn)確性。當(dāng)然，這些模型在Python或keras中有一些開源資源，建議使用OPENFACE，并實現(xiàn)了使用Python keras的情況。GitHub地址是：https://github.com/iwantooxoxox/Keras-OpenFace

python開發(fā)人臉識別，常用的框架有哪些？

用Python從opencv做人臉識別還是太難了，因為opencv提供的設(shè)施太基礎(chǔ)了，現(xiàn)在做人臉識別的人都要用深度學(xué)習(xí)算法來訓(xùn)練模型，這樣就可以提高識別率。

因此，我們必須找到一個更高級別的框架。

例如，嘗試此基于Dlib的人臉識別庫（您也可以直接使用Dlib）：https://github.com/ageitgey/faceRecognition#face Recognition

有很多類似的框架，可以在GitHub上找到。然而，它們還達不到工業(yè)強度。如果您想在生產(chǎn)環(huán)境中使用它們，就必須權(quán)衡代碼的質(zhì)量和準(zhǔn)確性。有很多洞。

怎么讓DLIB的人臉檢測提高速度？

我使用相機打開480x640窗口，然后使用opencv人臉檢測功能cvhaardetectobjects進行人臉檢測。功能配置如下：

faces=cvhaardetectobjects（detectimg，（cvhaardclassifier cascade*）cascade，storage，searchuscaleuuufactor，3，flags，minfeaturesize）

其中searchuscaleufactor為1.1，flags=cvHAARufinduuuumaxuobject | cvHAARdoouroughusearch表示只有一張臉。Minfeaturesize為（20，20）。