超越OpenCV,史上最快人脸检测系统开源

超越OpenCV,史上最快人脸检测系统开源
2019年03月16日 12:51 CVer


??新智元报道? ?

来源:CVer

编辑:元子

【新智元导读】libfacedetection库由深圳大学的于仕琪推出,用于图像中人脸检测和人脸标志检测的快速二进制库,其人脸检测速度可达1500FPS。之前一直只能采取API调用方式,现刚刚开源。

?

本文给大家分享刚刚开源的最快人脸检测库:libfacedetection。

libfacedetection库由深圳大学的于仕琪推出,用于图像中人脸检测和人脸标志检测的快速二进制库,其人脸检测速度可达1500FPS,非常强悍!目前在Github上已经超过3500星。

libfacedetection提供了四套接口,分别为frontal、frontal_surveillance、multiview、multiview_reinforce,其中multiview_reinforce效果最好,速度比其它?#26376;?#22235;套接口的参数类型完全一致,可以根据需要对参数min_neighbors和min_object_width进行调整。

相比于OpenCV?#28304;?#30340;CascadeClassifier人脸检测,无论在速度上还是精度上,都有巨大的优势,是目前已知开源库中最好用的一款,检测速度可达1500fps。采用MIT的License,可以用于商业用途。

之?#26696;?#39033;目没有开放源码,只提供了动态链接库(include+lib),所?#28304;?#23478;只能调用API,并不能一探究竟。

在2019-03-14(11点左右),libfacedetection更新了!添加了 src和 model文件夹,而且更新日志所写的就是:Open Source!

libfacedetection是一个基于CNN的人脸检测的开源库。CNN模型已在C源文件中转换为stastic variales。源代码不依赖于任何其他库,你需要的只是一个C++编译器。可以使用C ++编译器在Windows,Linux,ARM和任何?#25945;?#19979;编译源代码。

SIMD指令用于加速检测。 如果使用Intel CPU或NEON for ARM,则可以启用AVX2。

模型文件也已在./models/目录中提供。examples/libfacedetectcnn-example.cpp 显示了如何使用该库。

编译起来也很简单,这里说两点注意事项:

在使用g++编译源代码时,请添加-O3以启用优化。

使用Microsoft Visual Studio编译源代码时,请选择“最大化速度/ -O2”。

在Windows上进行人脸检测实验结果。

在ARM Linux (Raspberry Pi 3 B+)上进行人脸检测实验结果

实战亲测

输入一幅多人脸图像,检测效果如下图所示,检测时间超级快!

新浪科技公众号
新浪科技公众号

“掌”握科技鲜闻 (微信搜索techsina或扫描左侧二维码关注)

创?#24405;?/h3>

科学探索

科学大家

苹果汇

众测

专题

官方微博

新浪科技 新浪数码 科学探索 苹果汇 新浪众测

公众号

新浪科技

新浪科技为你带来最新鲜的科技资讯

苹果汇

苹果汇为你带来最新鲜的苹果产品新闻

新浪众测

新酷产?#36820;?#19968;时间免费试玩

新浪探索

提供最新的科学家新闻,精彩的震撼图片

新浪首页 新浪众测 语音播报 相关新闻 返回顶部
澳洲幸运开奖公正吗
<cite id="t1nxb"><video id="t1nxb"></video></cite>
<cite id="t1nxb"><span id="t1nxb"><menuitem id="t1nxb"></menuitem></span></cite>
<cite id="t1nxb"></cite>
<ins id="t1nxb"></ins>
<cite id="t1nxb"></cite><cite id="t1nxb"><span id="t1nxb"><menuitem id="t1nxb"></menuitem></span></cite>
<var id="t1nxb"></var>
<cite id="t1nxb"><span id="t1nxb"></span></cite>
<var id="t1nxb"></var>
<cite id="t1nxb"><span id="t1nxb"><var id="t1nxb"></var></span></cite>
<menuitem id="t1nxb"></menuitem>
<cite id="t1nxb"><video id="t1nxb"></video></cite>
<cite id="t1nxb"><span id="t1nxb"><menuitem id="t1nxb"></menuitem></span></cite>
<cite id="t1nxb"></cite>
<ins id="t1nxb"></ins>
<cite id="t1nxb"></cite><cite id="t1nxb"><span id="t1nxb"><menuitem id="t1nxb"></menuitem></span></cite>
<var id="t1nxb"></var>
<cite id="t1nxb"><span id="t1nxb"></span></cite>
<var id="t1nxb"></var>
<cite id="t1nxb"><span id="t1nxb"><var id="t1nxb"></var></span></cite>
<menuitem id="t1nxb"></menuitem>