8-1人臉識別基礎模塊?人臉識別：機器也認識你目錄CONTENTS人臉識別技術發展簡史01人臉識別系統02人臉識別關鍵技術03一.人臉識別技術發展簡史1.技術發展簡史一.人臉識別技術發展簡史2.典型方法及精度二.人臉識別系統1.人臉圖像采集及檢測人臉檢測采集人臉數據二.人臉識別系統2.人臉圖像預處理圖像預處理人臉扶正、圖像增強歸一化處等二.人臉識別系統3.人臉圖像特征提取利用人臉關鍵部位的幾何特征和它們之間結構關系的幾何描述，以區分不同的人臉二.人臉識別系統4.人臉圖像識別按某種機器學習算法將此特征向量與數據庫中存儲的特征模板進行匹配。設定一個閾值，如果兩特征向量非常相似，當相似度超過這個閾值時，則找到待識別對象，輸出匹配結果。三.人臉識別關鍵技術1.人臉檢測后處理融合技術將這些屬于一張人臉的多個識別框融合為一個識別框三.人臉識別關鍵技術2.人臉特征提取一種常見的做法是對人臉的關鍵點（如眼睛、眉毛、嘴唇及鼻子輪廓等）使用某種特征提取算法，將關鍵點坐標與預定模式進行比較，然后計算人臉的特征值。當然還有深度學習方法來提取特征三.人臉識別關鍵技術3.人臉識別人臉比對人臉搜索人工智能基礎與應用Thankyouverymuch!8-2認識OpenCV模塊?人臉識別：機器也認識你目錄CONTENTSOpenCV的框架結構01OpenCV中的人臉分類器02一.OpenCV的框架結構1.官網一.OpenCV的框架結構2.基本框架結構一.OpenCV的框架結構3.主要模塊功能二.OpenCV中的人臉分類器1.OpenCV安裝二.OpenCV中的人臉分類器2.常用分類器人工智能基礎與應用Thankyouverymuch!8-3項目1—照片智能搜索模塊?人臉識別：機器也認識你目錄CONTENTS提出問題01預備知識03解決方案02任務1—訓練人臉識別模型04任務2—利用訓練好的模型來搜索照片05一.提出問題問題描述

隨著人們生活水平的提高和手機照相功能的日趨完善，人們可以隨自己心意拍攝照片，不知不覺之中，每個人都保存了大量的生活照片。然而，每當想重溫照片或者想分享一張特別滿意的照片時，從眾多的照片中一遍遍翻找的確是一件費時費力的事情。能否借助AI的人臉識別技術來幫助人們自動整理照片，實現照片的智能搜索呢二.解決方案2.具體方案三.預備知識1.人臉分類器三.預備知識1.人臉分類器人臉的檢測結果人臉的位置及大小數據三.預備知識2.人臉識別算法（1）EigenFace算法基本思想：把人臉從像素空間變換到另一個空間，在另一個空間中做相似性的計算。該算法首先選擇一個合適的子空間，將所有的圖像變換到這個子空間中，然后在這個子空間中衡量相似性或者進行分類學習。它利用主成分分析（PrincipalComponentAnalysis，PCA）得到人臉分布的主要成分，對訓練集中所有人臉圖像的協方差矩陣進行特征值分解，得到對應的特征向量，這些特征向量就是“特征臉”。（2）FisherFace算法FisherFace算法是基于線性判別分析（LinearDiscriminantAnalysis，LDA）算法實現的，基本思想是：將高維樣本數據投影到最佳分類的向量空間，保證數據在新的子空間中有更大的類間距離和更小的類內距離。（3）LBPHFace算法局部二進制編碼直方圖（LocalBinaryPatternsHistograms，LBPH）是基于提取圖像特征的LBP算子，該算法的大致思路是：先使用LBP算子提取圖像特征，這樣可以獲取整個圖像的LBP編碼圖像；再將該LBP編碼圖像分為若干個區域，獲取每個區域的LBP編碼直方圖，從而得到整個圖像的LBP編碼直方圖。三.預備知識2.人臉識別算法使用人臉識別模型前，要執行以下命令安裝OpenCV的擴展包首選人臉識別算法三.預備知識2.人臉識別算法三.預備知識2.人臉識別算法執行結果四.任務1——訓練人臉識別模型1.構建一個人臉分類器定義實現人臉檢測功能的函數四.任務1——訓練人臉識別模型2.生成目標人臉數據的訓練集人臉數據人臉標簽四.任務1——訓練人臉識別模型3.訓練人臉識別模型保存模型已備后用五.任務2——利用訓練好的模型來搜索照片1.加載訓練好的模型初始化人臉識別方法，讀取訓練好的模型文件，將其作為識別照片的人臉分類器。五.任務2——利用訓練好的模型來搜索照片1.加載訓練好的模型初始化人臉識別方法，讀取訓練好的模型文件，將其作為識別照片的人臉分類器。五.任務2——利用訓練好的模型來搜索照片2.在照片集中搜索要找的照片定義搜索函數五.任務2——利用訓練好的模型來搜索照片2.在照片集中搜索要找的照片執行搜索：搜索結果：找到6張目標人物相片人工智能基礎與應用Thankyouverymuch!8-4項目2—安全帽檢測賦能安全管理模塊?人臉識別：機器也認識你目錄CONTENTS提出問題01預備知識03解決方案02任務1—準備訓練模型用的樣本集04任務3—檢測視頻中的人員是否佩戴安全帽06任務2—訓練YOLOv10s模型05一.提出問題問題描述建筑工地、化工工廠、礦山作業等復雜場景下要求工作人員必須佩戴安全帽，這一舉措不僅事關每位人員的生命安全，還是企業安全生產的基本保障。然而，在實際生活和工作中，總有一些人抱著僥幸的心理，違規不戴安全帽，置自己生命于不顧，給本人、企業帶來較大的安全隱患。為及時、有效地提醒工作人員佩戴安全帽，最大限度保障生命財產安全，是否可以運用計算機視覺設計一個安全帽智能檢測系統賦能這方面的安全防范工作呢二.解決方案具體方案基于YoloV10的解決方案三.預備知識1.YOLOv10簡介YOLOv10是基于UltralyticsPython軟件包開發的，以較低的計算需求實現了最先進的性能，為實時目標檢測提供了一種新方法三.預備知識1.YOLOv10簡介YOLOv10模型測試結果預訓模型的80個識別類別三.預備知識2.淺嘗YOLOv10的預訓練模型（1）創建Python虛擬環境創建運行環境yolo10的結果激活運行環境yolo0三.預備知識2.淺嘗YOLOv10的預訓練模型（2）安裝YOLOv10的相關包（3）下載預訓模型（4）模型檢測①方法1：命令方式三.預備知識2.淺嘗YOLOv10的預訓練模型命令執行結果打開predict文件夾，發現里面的所有圖像都進行了標注三.預備知識2.淺嘗YOLOv10的預訓練模型②方法2：代碼行方式目標檢測結果三.預備知識2.淺嘗YOLOv10的預訓練模型三.預備知識2.淺嘗YOLOv10的預訓練模型三.預備知識2.淺嘗YOLOv10的預訓練模型四.任務1——準備訓練模型用的樣本集1.標注圖像

樣本圖像（左圖）標注后的內容（右圖）四.任務1——準備訓練模型用的樣本集2.分割訓練集和驗證集四.任務1——準備訓練模型用的樣本集2.分割訓練集和驗證集五.任務2——訓練YOLOv10s模型1.配置data.yaml文件五.任務2——訓練YOLOv10s模型2.訓練模型配置了兩塊NVIDIAQuadroRTX4000GPU的DELL服務器提供算力五.任務2——訓練YOLOv10s模型2.訓練模型模型訓練結果五.任務2——訓練YOLOv10s模型2.訓練模型主要評估指標的變化情況六.任務3——檢測視頻中的人員是否佩戴安全帽1.構建識別模型并打開攝像頭六.任務3——檢測視頻中的人員是否佩戴安全帽2.定義視頻幀繪圖函數六.任務3——檢測視頻中的人員是否佩戴安全帽3.檢測每幀圖像中人員是否佩戴安全帽六.任務3——檢測視頻中的人員是否佩戴安全帽