想用python做一個(gè)人臉識(shí)別認(rèn)證當(dāng)畢業(yè)設(shè)計(jì)用，有沒有什么建議或者大體設(shè)計(jì)思路？至少有兩種解決方案。第一個(gè)是做一個(gè)人臉設(shè)計(jì)應(yīng)用系統(tǒng)，它傾向于實(shí)現(xiàn)整個(gè)設(shè)計(jì)的內(nèi)容；第二個(gè)是重點(diǎn)研究具體的識(shí)別模型算法。具體

想用python做一個(gè)人臉識(shí)別認(rèn)證當(dāng)畢業(yè)設(shè)計(jì)用，有沒有什么建議或者大體設(shè)計(jì)思路？

至少有兩種解決方案。第一個(gè)是做一個(gè)人臉設(shè)計(jì)應(yīng)用系統(tǒng)，它傾向于實(shí)現(xiàn)整個(gè)設(shè)計(jì)的內(nèi)容；第二個(gè)是重點(diǎn)研究具體的識(shí)別模型算法。具體來說：

這種方案可以把竣工設(shè)計(jì)看作是一種工程實(shí)踐竣工設(shè)計(jì)。內(nèi)容涉及整個(gè)系統(tǒng)的設(shè)計(jì)，如BS架構(gòu)或CS架構(gòu)，如何采集人臉數(shù)據(jù)，搭建識(shí)別終端設(shè)備，后端服務(wù)器，數(shù)據(jù)庫(kù)設(shè)計(jì)，硬件拓?fù)浜蛿?shù)據(jù)流設(shè)計(jì)等，具體的人臉識(shí)別模型訓(xùn)練和算法實(shí)現(xiàn)，可以使用開源程序，opencv、keras等Python庫(kù)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(diǎn)對(duì)整個(gè)算法進(jìn)行優(yōu)化。

該方案?jìng)?cè)重于具體的模型和算法實(shí)現(xiàn)。我們需要通過對(duì)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(shí)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(shí)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(shí)別，常用的框架有哪些？

用Python從opencv做人臉識(shí)別還是太難了，因?yàn)閛pencv提供的設(shè)施太基礎(chǔ)了，現(xiàn)在做人臉識(shí)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(shí)別率。

因此，我們必須找到一個(gè)更高級(jí)別的框架。

例如，嘗試此基于Dlib的人臉識(shí)別庫(kù)（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(dá)不到工業(yè)強(qiáng)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(cè)提高速度？

我使用相機(jī)打開480x640窗口，然后使用opencv人臉檢測(cè)功能cvhaardetectobjects進(jìn)行人臉檢測(cè)。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）。