非剛性人臉跟蹤或動作識別的圖像標注工具,來自mastering opencv chapter 6,它是對每幀視頻圖像中人臉特征稠密數據集合的估計。非剛性人臉跟蹤側重於不同臉部表情或不同人物的臉部特征相對距離的變化。它和一般的人臉檢測與跟蹤算法不同,它不僅僅是找到每一幀中人臉的位置,它還要找到人臉五官的組態關係
數據收集及標注工具
由於人臉特征檢測算法依賴於人臉特征外觀模型的構建和樣本點在幾何空間中相對位置關係。樣本數據集越大,算法健壯性就越好。因此,第一個任務必須開發工具手工指定圖像中人臉特征點作為樣本點,並采用合適的格式存儲和展示。(亦可采用其他算法代替,比如sift/surf特征點等等)
幾何約束模塊
臉部的幾何約束關係也是從數據集合中學習到的。它在跟蹤階段將被用來約束和剔除不合理的特征點。該模塊將用一個線性形狀模型來描述人臉模型。(普氏分析、線性建模)
人臉特征提取模塊
為了檢測下一次被跟蹤人臉圖像中的外觀,首先要學習人臉特征的外觀。(基於互聯關係的圖像塊模型)
人臉跟蹤模塊
人臉檢測、初始化、跟蹤流程。
整個運行流程就是手工獲取人臉及標注樣本點,訓練幾何約束模塊和人臉特征模塊,往後新來一副人臉,這些特征點及互聯關係將會自動fit到人臉上。
140.5M / 09-05
76.4M / 03-25
55M / 06-05
237.9M / 04-13
900.9M / 03-02
96.2M / 07-06
311.2M / 07-06
335M / 07-06
200M / 07-06
413.8M / 07-06
768.9M / 08-19
484.7M / 09-27
165.4M / 09-05
131.8M / 04-13
195.6M / 03-03
45.6M / 09-08
665.2M / 07-06
2.84G / 07-06
93M / 07-06
338.3M / 07-06
892.4M / 08-18
312M / 07-30
1.38G / 07-26
109.8M / 06-03
142M / 01-08
1.2M / 11-23
548.8M / 04-13
1.6M / 04-13
1.48G / 03-18
646.6M / 03-03
404M / 08-18
110.5M / 09-05
33.4M / 09-05
60M / 04-29
254M / 04-25
659M / 04-23
1M / 12-26
253.4M / 12-08
253M / 12-08
1.19G / 11-16
115.9M / 08-19
488.3M / 06-04
369M / 09-22
181.5M / 09-22
201.2M / 09-05
248.9M / 12-08
248.9M / 12-08
100.6M / 03-06
148.9M / 03-06
1.12G / 07-06
126.7M / 02-04
1.76G / 09-22
1.92G / 04-17
201.5M / 04-13
7.31G / 07-01
94.3M / 07-06
2.48G / 07-06
7.63G / 07-06
1M / 07-06
778.1M / 07-06
1.30G / 08-19
72M / 07-06
548.7M / 07-06
1.00G / 07-06
9.13G / 07-06
126.2M / 07-06
72M / 07-06
105.1M / 07-06
132M / 07-06
132M / 07-06