Advertisement

ESP32人脸识别开发框架，基于 master_20210817版本。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
ESP32 人脸识别开发框架，特别是 esp-who 框架，可以通过 GitHub 克隆 master 版本来获取。该框架包含了完整的子模块，例如 esp-idf 框架，可以直接进行利用。由于 GitHub 上拉取代码的速度较为缓慢，因此建议将克隆下来的版本进行备份，以便后续使用。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • ESP-WHO Master_20210817 ESP32 人脸辨识开发架构
    优质
    简介：ESP-WHO Master_20210817是基于ESP32芯片的人脸识别开发框架，提供高效且易于使用的工具和库，支持快速实现人脸识别功能。 ESP32 人脸识别开发框架 esp-who 使用的是 master 版本，并且包含完整的 esp-idf 框架，可以直接使用。由于从 GitHub 下载速度较慢，可以将其备份下来以便使用。
     
  • 基于Django框架的人脸识别系统
    优质
    本项目是一款基于Django框架开发的人脸识别应用，集成了先进的人脸检测和识别算法，提供用户管理、人脸注册与验证等功能。 本项目后端采用Python作为开发语言，并使用Django作为WEB后端框架。所用到的库包括face_recognition人脸识别库、keras深度学习库、tensorflow以及opencv计算机视觉库，还有Image等图片处理相关的第三方库。
     
  • 基于PCA的人脸识别-MATLAB开发
    优质
    本项目采用MATLAB实现基于主成分分析（PCA）的人脸识别算法，通过降维技术有效提取人脸特征，适用于人脸识别和模式识别研究。 该程序利用PCA从人脸数据库中识别人脸。通过将主成分投影到特征空间来找到特征脸，并通过计算未知人脸与所有已知人脸类别的最小欧几里得距离来进行识别。
     
  • ESP32-CAM人脸识别开门系统: access control with ESP32-CAM
    优质
    本项目介绍了一种基于ESP32-CAM的人脸识别门禁控制系统，利用机器视觉技术实现智能、安全的访问控制。 基于ESP32-CAM和Arduino IDE的面部识别简单访问控制系统可以实现当ESP32-CAM门禁系统识别人脸后自动解锁门的功能。如果您使用的是ESP32 Arduino硬件库1.0.5版，现在可以直接运行以下文件来完成整个项目：FaceDoorEntryESP32Cam.ino、camera_index.h、camera_pins.h和partitions.csv。
     
  • 基于PyQt开发的人脸识别软件
    优质
    本软件是一款基于PyQt框架开发的人脸识别应用，结合先进的人脸检测与识别技术，提供用户友好的界面和高效准确的服务体验。 我制作了一个人脸识别平台软件，并提供了两个下载选项：一个是Python源码版本，需要配置好相关环境才能运行；另一个是打包好的可执行文件，体积较大但可以直接运行。需要注意的是，该可执行文件是在Windows 10系统下进行的打包操作，在Windows 10和Windows 8上可以正常运行，但在Windows 7上无法使用。
     
  • 基于ONNX深度学习框架的人脸识别系统
    优质
    本项目构建于ONNX框架之上，旨在开发高效准确的人脸识别系统。通过集成多种先进的深度学习模型，为用户提供个性化的身份验证解决方案。 基于深度学习框架ONNX的人脸识别系统包括使用图片路径进行识别、使用摄像头进行识别以及提供Web接口的识别功能。该系统涵盖了人脸检测、人脸识别、年龄性别识别及人脸关键点识别，并提供了相应的教程视频。
     
  • 基于ESP32-CAM的Alexa人脸识别解决方案可以触发...
    优质
    本项目介绍了一种使用ESP32-CAM模块的人脸识别方案，能够与Alexa智能语音助手联动。通过此方案，当系统检测到特定人脸时，可自动执行预设操作。 ESP32-CAM的Alexa人脸识别解决方案基于ESP32-CAM的人脸识别技术来触发Alexa例程。该存储库的目标是利用ESP32-CAM识别人脸后启动Alexa服务中的特定程序。 我对代码进行了如下修改： 1. 添加了更多的注释以帮助理解。 2. 在camera_index.h文件中使用可读的HTML和JavaScript代码，以便于阅读和更改。 3. 对JavaScript代码进行调整，使其兼容Safari Web客户端（已移除音频界面）。 4. 实现了一种机制，在有或没有Web套接字连接的情况下都能执行人脸检测。 5. 加入了根证书，并请求每个可识别面的Kong URL。 6. 使用ESP32-CAM上的内置LED来显示是否检测到脸部，同时提供额外照明以改善面部特征的清晰度和准确性。 7. 修正了一些内存泄漏问题，确保释放所有使用的缓冲区。 有关Espressif ESP-Face组件的相关背景信息可以在相关文档中找到。通常情况下，人脸识别过程包括从摄像头获取图像、进行预处理（如调整大小）、使用深度学习模型来检测人脸，并根据识别结果执行相应的操作或触发外部服务的响应。
     
  • 基于OpenCV的Java版人脸识别（开源）
    优质
    本项目为一个使用Java语言开发的人脸识别系统，基于流行的计算机视觉库OpenCV实现。该项目已开源，可供学习和二次开发使用。 基于开源的OpenCV3.1进行人脸识别开发，该程序是一个简单的演示版本，能够实现以下功能：1. 识别人脸及人眼；2. 调用人脸捕捉设备录制AVI视频；3. 对图片执行高斯滤波处理。
     
  • 基于PCA和KNN的人脸识别-MATLAB开发
    优质
    本项目采用MATLAB实现基于主成分分析（PCA）与K近邻算法(KNN)的人脸识别系统，旨在通过降维技术提升人脸识别效率及准确度。 这段文字描述了几个文件的内容： 1. **load_data**：这个函数负责从 `face_images.mat` 和 `nonface_images.mat` 文件加载数据。 - 在 `face_images.mat` 文件中，包含以下内容： - `train_imgs`: 一个NxMxL的张量，包含了N个人脸图像。每个图像是灰度像素值大小为 MxL 的矩阵。 - `train_ids`: 包含了训练集中每一张图片id号的 Nx1 向量。 - `test_imgs`: 类似地包含K个测试人脸图像的 KxMxL 张量，其中每个图像是灰度像素值大小为 MxL 的矩阵。 - `test_ids`: 包含了测试集中每一张图片id号的 Kx1 向量。 - 在 `nonface_images.mat` 文件中： - `nonface_imgs`: 一个SxMxL张量，包含了 S个非人脸图像。每个图像是灰度像素值大小为 MxL 的矩阵。 2. **getAvgFace**：该函数计算训练集中所有人脸图像的平均值，并将结果可视化展示出来。 3. 这里没有提及具体的文件名称或内容细节之外的信息，如联系方式、网址等额外信息。
     
  • 基于Xilinx Zynq7000 PYNQ框架的人脸识别项目——Vivado开发板硬件文件夹设计
    优质
    本项目采用Xilinx Zynq7000 PYNQ框架进行人脸识别系统开发，重点在于Vivado开发板的硬件文件夹设计，结合了FPGA与ARM硬核的协同工作优势。 内容概要：使用vivado2020.1设计的为ZYNQ_MINI开发板定制的硬件文件夹。 适用于：基于Xilinx Zynq7000的PYNQ框架的人脸识别项目。 使用方法： （1）使用vivado打开.xpr文件即可打开整个工程，然后点击右边栏run synthesis进行综合。待综合完成后，点击顶部工具栏 File -> Export -> Export Bitstream File 导出得到.bit文件，用于后续定制PYNQ镜像； （2）在Linux系统下解压.xsa文件可得到 .hwh 、.tcl 等文件，这些文件可用于后续使用Python控制开发板的LED灯和按键等。