實時人臉關鍵點/特徵點檢測目前有哪些好的演算法?
由於是要應用到實時檢測,所以對檢測速度有一定要求
要實現效果很好的人臉關鍵點標註,除了關鍵點演算法本身之外,離不開人臉檢測和跟蹤。
可參考:從傳統方法到深度學習,人臉關鍵點檢測方法綜述
實現過基於Pytorch版本的PFLD演算法,性能不錯,已落地。
PFLD: A Practical Facial Landmark Detector https://arxiv.org/pdf/1902.10859.pdf
Pytorch Implementation for 68 Facial Landmarks:https://github.com/github-luffy/PFLD_68points_Pytorch
Tensorflow Implementation for 98 Facial Landmarks: guoqiangqi/PFLD
dlib可以,C++的庫如果想自己訓練的話,推薦論文人臉特徵點定位的3000fpsopencv是不是可以了呀,這個不太清楚
目前github上開源的演算法有很多,效果也不錯,包括ERT,3000FPS,SDM,TCDCN等。ERT,3000FPS模型太大,不適合移動端,並且效果不是很好。SDM效果不錯,模型10MB左右,具有一定商業價值。目前基於深度學習的演算法取得了較好的效果,github也有一些開源的代碼實現,zeusees/HyperLandmark 這個git包含了SDM演算法和基於深度學習的106點face landmark。測試過這個,手機上大概6ms,效果能夠比得上商業級的代碼,只不過只提供了SDK,底層演算法沒有開源。
人臉識別目前用的比較多的一般是深度學習,演算法有deepface deepID facenet 等還有seetaface山世光教授的來源人臉識別搜索引擎
推薦閱讀: