邊緣計算與智能視覺應(yīng)用7.4深度學習應(yīng)用講課人：XXX時間：20XX年12月30日延時符AboutUs目錄人臉檢測01手勢識別03人臉識別02人臉檢測01人臉檢測人臉檢測為目標檢測的特例，是商業(yè)化最早的目標檢測算法，通過RetianFace模型的深度學習得出每個臉的位置、大小和各個主要面部器官的位置信息，并根據(jù)得到的信息，進一步提取每個人臉中所包含的身份特征，并將其與已知的人臉進行對比，從而輸出人臉檢測結(jié)果。人臉檢測實驗過程：首先，在AiCam工程的配置文件添加攝像頭（config\app.json）。接著在工程添加模型文件models\face_detection和retinaface.bin/retinaface.param人臉檢測。然后，在AiCam工程添加algorithm\face_detection\face_detection.py算法文件和模型接口文件algorithm\face_detection\facedet.so。接著在AiCam工程添加算法實驗static\face_detection前端應(yīng)用。最后，前端應(yīng)用中算法接口的調(diào)用采用RESTFul接口獲取處理后的視頻流，數(shù)據(jù)返回為base64編碼的圖片和結(jié)果數(shù)據(jù)。訪問url地址格式如下（IP地址為邊緣計算網(wǎng)關(guān)的地址）：00:4001/stream/[algorithm_name]?camera_id=0人臉檢測實驗結(jié)果：人臉坐標及關(guān)鍵點坐標信息人臉識別02人臉識別人臉識別就是計算機通過視頻采集設(shè)備獲取識別對象的面部圖像，再利用核心算法對其臉部的五官位置、臉型和角度等特征信息進行計算分析，進而和自身數(shù)據(jù)庫里已有的范本進行對比，最后判斷出用戶的真實身份。人臉識別實驗過程：首先，在AiCam工程的配置文件添加攝像頭（config\app.json）。接著，在AiCam工程添加models\face_recognition模型文件、face_det.bin/face_det.param人臉檢測、face_rec.bin/face_rec.param人臉識別。然后，在AiCam工程添加algorithm\face_recognition\face_recognition.py算法文件和模型接口文件algorithm\face_recognition\facerec.so。接著，在AiCam工程添加static\face_recognition算法實驗前端應(yīng)用，視頻流實時推理在前端應(yīng)用中算法接口的調(diào)用采用RESTFul接口獲取處理后的視頻流，數(shù)據(jù)返回為base64編碼的圖片和結(jié)果數(shù)據(jù)。訪問url地址格式如下（IP地址為邊緣計算網(wǎng)關(guān)的地址）：00:4001/stream/[algorithm_name]?camera_id=0最后，進行人臉注冊請求，在前端應(yīng)用中截取擬注冊的人臉圖片和人臉名稱，通過ajax調(diào)用將圖片和數(shù)據(jù)傳遞給算法進行人臉注冊。人臉識別實驗結(jié)果：人臉注冊人臉識別手勢識別03手勢識別手勢識別包括人手檢測和手勢識別兩部分內(nèi)容，手勢檢測是將人手的骨骼點檢測出來并連成線，將整個手的結(jié)構(gòu)繪制出來，手勢姿態(tài)估計是計算機視覺中一個很基礎(chǔ)的問題。手勢識別實驗過程：首先，在AiCam工程的配置文件添加攝像頭（config\app.json）。接著，在工程添加models\handpose_detection模型文件、handdet.param人手檢測和handpose.param手勢識別；添加算法文件和模型接口文件handpose_detection.py、handpose.so以及算法static\handpose_detection實驗前端應(yīng)用。最后，前端應(yīng)用中算法接口的調(diào)用采用RESTFul接口獲取處理后的視頻流，數(shù)據(jù)返回為base64編碼的圖片和結(jié)果數(shù)據(jù)。訪問url地址格式如下（IP地址為邊緣計算