OpenCV DNN 活体检测项目环境配置等各阶段tips


date: 2020-09-22 14:53


资料来源《OpenCV深度学习应用与性能优化实践》第八章。

在复现这个项目的时候发现一些可以调整的小tips。

环境配置阶段

使用conda 创建python 工作环境时,注释掉requirems.txt 里的opencv-python-inference-engine==4.1.2.1,安装OpenVINO 时包含这个了,如果使用requirements 里的版本,imshow 会不可用。

另外安装OpenVINO 后一定要配置环境,指定下面的命令是配置生效,也可以选择加到~/.bashrc 文件里

bash 复制代码
$source /opt/intel/openvino/bin/setupvars.sh
[setupvars.sh] OpenVINO environment initialized

采集数据阶段

涉及文件 gather_examples.py

调整采集数据频率

如果觉得采集的的速度较慢/快,可以采集的时候加--skip 参数 来调整(或者直接修改),此处含义为每16 帧处理一帧。

中断后继续采集数据

如果采集数据的时候中途被迫停止了,继续采集数据想要接上之前的编号,修改:

实时显示采集数据的图片

实时显示color image 和输出的depth face,方便观察数据优劣(距离角度等),方便动态调整。做以下修改:

训练阶段

如果遇到模块找不到的提示,将train/train_FeatherNet.py 需要移到根目录。

默认参数来自 train/cfgs/FeatherNet.yaml,经试验,这里面已经包含的参数,在使用命令训练的时候是不会被覆盖的。比如你想调整训练的最大迭代(epochs)次数,train_FeatherNet.py --epochs 是不会生效的。要么直接改上面的文件,要么注释掉文件里的配置再在训练的时候跟参数。

推理阶段

即demo run 的阶段。

代码中有个bug,活体检测的输入图不是单张人脸,而是整张图,这可能包含多张人脸,于是多张人脸的检测见过其实用的是同一张图,结果也就一样,即同为false 或同为true。

源码地址: https://github.com/hcz017/OpenCV_DNN_face_anti_spoofing

相关推荐
昨日之日20062 小时前
Moonshine - 新型开源ASR(语音识别)模型,体积小,速度快,比OpenAI Whisper快五倍 本地一键整合包下载
人工智能·whisper·语音识别
浮生如梦_2 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测
深度学习lover2 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
Crazy learner2 小时前
深入解析语音识别中的关键技术:GMM、HMM、DNN和语言模型
dnn·gmm·hmm
热爱跑步的恒川3 小时前
【论文复现】基于图卷积网络的轻量化推荐模型
网络·人工智能·开源·aigc·ai编程
阡之尘埃5 小时前
Python数据分析案例61——信贷风控评分卡模型(A卡)(scorecardpy 全面解析)
人工智能·python·机器学习·数据分析·智能风控·信贷风控
孙同学要努力7 小时前
全连接神经网络案例——手写数字识别
人工智能·深度学习·神经网络
Eric.Lee20217 小时前
yolo v5 开源项目
人工智能·yolo·目标检测·计算机视觉
其实吧38 小时前
基于Matlab的图像融合研究设计
人工智能·计算机视觉·matlab
丕羽8 小时前
【Pytorch】基本语法
人工智能·pytorch·python