faceai README

The project's README from github.com/vipstone/faceai. As one markdown file: README.md.

English Doc

功能

  1. 人脸检测、识别(图片、视频)
  2. 轮廓标识
  3. 头像合成(给人戴帽子)
  4. 数字化妆(画口红、眉毛、眼睛等)
  5. 性别识别
  6. 表情识别(生气、厌恶、恐惧、开心、难过、惊喜、平静等七种情绪)
  7. 视频对象提取
  8. 图片修复(可用于水印去除)
  9. 图片自动上色
  10. 眼动追踪(待完善)
  11. 换脸(待完善)

查看功能预览↓↓↓

开发环境

教程

OpenCV环境搭建

Tesseract OCR文字识别

图片人脸检测(OpenCV版)

图片人脸检测(Dlib版)

视频人脸检测(OpenCV版)

视频人脸检测(Dlib版)

脸部轮廓绘制

数字化妆

视频人脸识别

头像特效合成

性别识别

表情识别

视频对象提取

图片修复

其他教程

Ubuntu apt-get和pip源更换

pip/pip3更换国内源——Windows版

OpenCV添加中文

使用鼠标绘图——OpenCV

功能预览

绘制脸部轮廓

绘制脸部轮廓

人脸68个关键点标识

人脸68个关键点标识

头像特效合成

头像特效合成

性别识别

性别识别

表情识别

表情识别

数字化妆

视频人脸识别

视频人脸检测


视频人脸识别


视频人脸识别


图片修复


图片自动上色


技术方案

技术实现方案介绍

人脸识别:OpenCV / Dlib

人脸检测:face_recognition

性别识别:keras + tensorflow

文字识别:Tesseract OCR

TODO

换脸——待完善

眼睛移动方向检测——待完善

Dlib性能优化方案

Dlib模型训练方法

Tesseract模型训练方法

贡献者名单(特别感谢)

archersmind rishab-sharma

微信打赏

微信打赏

faceai (vipstone/faceai)

Searching Database…

11.1K ·GitHub
这是做什么的?这是一个入门级的 Python 项目,用于人脸、视频和文字的检测与识别。它内置了 11 个演示功能,从照片和视频里的人脸检测,到轮廓标记、帽子特效、数字化妆、性别和表情识别、图像修复以及自动上色。
这是要安装的应用,还是我自己运行的代码?它是一组 Python 演示脚本加逐步教程,不是一个可安装的产品。你把仓库克隆下来,在自己的 Python 环境里运行各个功能对应的脚本。
运行这些演示需要安装什么?一套相当老旧的指定版本环境:Windows 10 x64、Python 3.6.4、OpenCV 3.4.1、Dlib 19.8.1、facerecognition 1.2.2、keras 2.1.6、tensorflow 1.8.0 和 Tesseract OCR 4.0.0-beta.1。README 里链接了搭建教程,第一步是 OpenCV 环境配置指南。
每个功能用的是哪些库?人脸识别用 OpenCV 或 Dlib,人脸检测用 facerecognition,性别识别基于 keras 加 tensorflow,文字识别用 Tesseract OCR。
这十一个功能都做完了吗?没有。眼动追踪和人脸互换明确标注为开发中,TODO 列表里还提到了 Dlib 性能优化和模型训练指南等未完成事项。
我是计算机视觉新手,适合用它来学习吗?适合,这正是它的定位:作者把它定位为入门级项目,每个功能都配有教程链接和预览图,你可以逐个功能单独学习,而不用去啃一个大框架。
它对人脸具体能做什么?它能检测和识别照片及视频里的人脸,绘制 68 个面部轮廓点,叠加帽子之类的特效,进行数字化妆(口红、眉毛、眼部),还能识别性别和七种表情:生气、厌恶、恐惧、开心、伤心、惊讶和平静。
它能处理视频,而不只是照片吗?可以——人脸检测和识别都能在视频上运行,分别有 OpenCV 和 Dlib 两个版本,还有视频对象提取功能,可以从视频画面中抠出主体。
除了人脸之外它还能做什么?通过 Tesseract OCR 做文字识别、可用于去水印的图像修复,以及照片自动上色。眼动追踪和人脸互换还没有完成。
有英文文档吗?README 是用中文写的,但顶部链接了一个“English Doc”,而且功能预览都是图片,所以大部分演示不管看哪种语言都能看懂。
Creator
vipstone
Size
39.5 MB
Stars
11.1K
Updated
CommitJan 18
Age
8y
Commits · 90 Days