计算机视觉：Python中的人脸识别快速入门课程

嗨，大家好！ 欢迎来到我的新课程《基于Python的深度学习人脸识别》。这是我计算机视觉系列的更新课程，涵盖基于Python深度学习的人脸检测、识别、情感、性别和年龄分类，使用的模型包括Haar Cascade、HOG、SSD、MMOD、MTCNN、EigenFace、FisherFace、VGGFace、FaceNet、OpenFace、DeepFace。
人脸检测和人脸识别是计算机视觉中使用最广泛的应用。通过这些技术，计算机可以从图像或视频中提取一个或多个面孔，并与现有数据进行比较，以识别图像中的人。
人脸检测和人脸识别被政府和组织广泛用于监控和执法。我们在许多应用中每天也在使用它，比如手机的面部解锁等。
本课程将为想深入研究Python人脸识别的人提供一个快速入门，而不会被典型深度学习过程中的复杂性和数学难题所困扰。
我们将使用一个名为face-recognition的Python库，它使用简单的类和方法来方便地实现人脸识别。此外，我们还将使用OpenCV、Dlib和Pillow作为支持库。 Computer Vision: Face Recognition Quick Starter in Python

时长：9小时22分钟 | 视频：.MP4, 1920×1080 30 fps | 音频：AAC, 44.1 kHz, 2ch | 大小：9.78 GB
类别：电子学习 | 语言：英语

基于Python深度学习的人脸检测、识别、情感、性别和年龄分类，涵盖所有流行模型

你将学到的内容
从图像中检测人脸
从实时视频中检测人脸
情感检测、年龄和性别预测
从图像和实时视频中识别人脸

要求
一台不错配置的计算机，以及对计算机视觉中的人脸识别领域充满热情

现在，让我们看看本课程包含的一些有趣主题。
首先，我们将进行一个关于人脸检测和人脸识别技术的理论介绍。
之后，我们将准备好计算机进行Python编码，下载并安装Anaconda包。然后我们将安装所需的其他依赖和库，包括Dlib、face-recognition、OpenCV等，并尝试一个小程序，以查看一切是否安装正常。
你们中的大多数可能并没有Python编程背景。接下来的几节课和示例将帮助你获取基本的Python编程技能，以便参与本课程中的所有内容。主题包括Python赋值、流程控制、函数和数据结构。
然后，我们将介绍人脸检测器的基础知识和工作原理，该技术能从给定媒体中检测人脸。我们将尝试Python代码，从给定图像中检测人脸，并将提取的人脸作为单独的图像。
接下来，我们将进行视频中的人脸检测。我们将从计算机的网络摄像头流式传输实时视频，并尝试检测其中的人脸。我们将在实时视频中检测到的每个面孔周围绘制矩形框。
在下一个环节中，我们将定制人脸检测程序，以在网络摄像头视频流中动态模糊检测到的人脸。
之后，我们将使用经过预训练的深度学习模型进行面部表情识别，并识别实时网络摄像头视频和静态图像中的面部情绪。
然后，我们将尝试使用经过预训练的深度学习模型进行年龄和性别预测，并从实时网络摄像头视频和静态图像中识别年龄和性别。
在进行人脸检测后，我们将介绍人脸识别的基础知识和工作原理，该技术可以识别已经检测到的人脸。
在下一节课中，我们将尝试Python代码，从给定图像中识别出人们的名字和他们的面孔，并在面孔周围绘制一个矩形框，并在矩形框内写上名字。
接着，和人脸检测的过程一样，我们将继续进行视频中的人脸识别。我们将从计算机的网络摄像头流式传输实时视频，并尝试识别并命名其中的面孔。我们将在被检测到的每个人脸周围绘制矩形框，并在实时视频中标记其名字。
在编码过程中，除了人脸匹配决定，我们还可能需要知道人脸的匹配程度。为此，我们将获取一个称为人脸距离的参数，它表示两张面孔之间的匹配程度。稍后，我们将使用简单的数学将此人脸距离转换为人脸匹配百分比。
在接下来的两节课中，我们将学习如何调整用于人脸检测的人脸标志点。我们将绘制出连接这些人