代码拉取完成，页面将自动刷新
FaceMaster 是一款基于 Python 的入门级人脸识别项目，旨在为用户提供简单易用的图片和视频人脸识别功能。无论是初学者还是有一定编程经验的用户，都能够轻松上手，通过该项目快速了解和应用人脸识别技术。
持续关注本项目后续支持更多实现！！！
以下演示图片均来源于 https://www.pexels.com 免费下载，如有侵权请告知删除！！！
TensorFlow 默认不使用 GPU 处理，如需开启请参考 cuda_test.py 请确保 tensorflow 与 Python、CUDA、cuDNN 版本一致。
git clone https://gitee.com/qq153128151/FaceMaster.git
或
git clone https://github.com/36Dyyds/FaceMaster.git
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
pip config set install.trusted-host mirrors.aliyun.com
pip config get global.index-url
pip install -r requirements.txt
+-- FaceMaster
+-- easyocr_models ---------------------------------------------- easyocr模型
|-- craft_mlt_25k.pth --------------------------------------- 文本检测模型
|-- zh_sim_g2.pth ------------------------------------------- 文本识别模型
|-- face_names -------------------------------------------------- 姓名识别素材
|-- FER2013.zip ------------------------------------------------- 训练数据集
|-- add_chinese_text_to_image.py -------------------------------- 图片添加中文文本
|-- cuda_test.py ------------------------------------------------ CUDA 检测
|-- emotion_detection_cv2.py ------------------------------------ 表情识别 opencv 算法
|-- emotion_detection_dlib.py ----------------------------------- 表情识别 dlib 算法
|-- face_detection_cv2.py --------------------------------------- 人脸识别 opencv 算法
|-- face_detection_dlib.py -------------------------------------- 人脸识别 dlib 算法
|-- video_face_detection_cv2.py --------------------------------- 视频人脸识别 opencv 算法
|-- video_face_detection_dlib.py -------------------------------- 视频人脸识别 dlib 算法
|-- camera_face_detection_cv2.py -------------------------------- 摄像头实时人脸识别 opencv 算法
|-- camera_face_detection_dlib.py ------------------------------- 摄像头实时人脸识别 dlib 算法
|-- camera_face_recognition_name.py ----------------------------- 摄像头实时人脸姓名识别 face_recognition 开源库
|-- face_recognition_demo.py ------------------------------------ 人脸识别 face_recognition 开源库
|-- face_recognition_name.py ------------------------------------ 人脸姓名识别 face_recognition 开源库
|-- video_face_recognition_name.py ------------------------------ 视频人脸姓名识别 face_recognition 开源库
|-- easyocr_demo.py --------------------------------------------- 文字识别 easyocr 开源库
+-- images ------------------------------------------------------ 测试素材
|-- 001.jpg
|-- 002.jpg
|-- 003.jpg
+-- models ------------------------------------------------------ 模型
|-- emotion_detection_model.h5 ------------------------------ 表情识别模型 损失：0.99，准确率：0.63
|-- haarcascade_frontalface_default.xml --------------------- Haar 级联分类器模型
|-- shape_predictor_68_face_landmarks.dat ------------------- Dlib 库训练的模型
+-- output ------------------------------------------------------ 输出文件
|-- accuracy_plot.png
|-- loss_plot.png
+-- videos ------------------------------------------------------ 姓名识别素材
|-- 001.mp4
|-- requirements.txt -------------------------------------------- 依赖模块
|-- train_emotion_model.py -------------------------------------- 训练表情识别模型
项目中的代码都有详细的注释，不依赖其他文件右键运行即可。
表情识别采用 FER2013 数据集，人脸表情模型：测试集损失：0.9903802275657654，测试集准确率：0.6338813304901123
你可以运行 train_emotion_model.py 来训练你的人脸表情模型。
如果您发现了任何问题或者有任何建议，欢迎提出 issue 或者提交 pull request。
扫码添加微信，备注：FaceMaster，邀您加入群聊
如果我的项目对你有所帮助还请给个免费的 Star 能让更多人看到。
本项目遵循 MIT License。详细信息请参阅 LICENSE 文件。
希望 FaceMaster 能够帮助您快速入门和应用人脸识别技术，祝您使用愉快！
此处可能存在不合适展示的内容，页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容，可点击提交进行申诉，我们将尽快为您处理。
1. 开源生态
2. 协作、人、软件
3. 评估模型