Pigo 是一个纯 Go 语言实现的人脸检测、瞳孔/眼睛定位和面部特征点检测库,基于**基于像素强度比较的目标检测**论文。
矩形人脸标记 | 圆形人脸标记 |
---|---|
![]() | ![]() |
开发 Pigo 的原因是因为目前 Go 生态系统中几乎所有现有的人脸检测解决方案都是纯粹绑定到一些 C/C++ 库,如 OpenCV
或 dlib
,但通过 cgo
调用 C 程序会引入巨大的延迟,并在性能方面产生显著的权衡。此外,在许多情况下,在各种平台上安装 OpenCV 是很麻烦的。
Pigo 库不需要安装任何额外的模块或第三方应用程序,尽管如果你希望在实时桌面应用程序中运行该库,你可能需要安装 Python 和 OpenCV。有关更多详细信息,请查看这个小节。
该库还可以检测平面旋转的人脸。 为此,命令行工具中新增了一个 -angle
参数。以下命令将生成如下结果(有关所有支持的选项,请参见下表)。
$ pigo -in input.jpg -out output.jpg -cf cascade/facefinder -angle=0.8 -iou=0.01
输入文件 | 输出文件 |
---|---|
![]() | ![]() |
注意:对于平面旋转的人脸,角度值应根据提供的图像进行调整。
从v1.2.0版本开始,Pigo提供了瞳孔/眼睛定位功能。该实现基于使用随机树集成的眼睛瞳孔定位。
查看这个实时演示示例:https://github.com/esimov/pigo/tree/master/examples/puploc
v1.3.0标志着库演进的一个新里程碑,Pigo现在能够检测面部特征点。该实现基于面部特征点的快速定位。
查看这个实时演示示例:https://github.com/esimov/pigo/tree/master/examples/facial_landmark
安装Go,设置你的GOPATH
,并确保$GOPATH/bin
在你的PATH
中。
$ go install github.com/esimov/pigo/cmd/pigo@latest
如果你没有安装或不想安装Go,你可以从releases文件夹获取二进制文件。
该库也可以作为snapcraft函数访问。
<a href="https://snapcraft.io/pigo"><img src="https://yellow-cdn.veclightyear.com/0a4dffa0/b31afcca-40f2-4a0f-9b1c-ad31b35ca81f.png" alt="snapcraft pigo"></a>
以下是使用人脸检测API的最小示例。
首先,你需要加载并解析二进制分类器,然后将图像转换为灰度模式,最后运行级联函数,该函数返回包含行、列、比例和检测分数的切片。
cascadeFile, err := ioutil.ReadFile("/path/to/cascade/file") if err != nil { log.Fatalf("读取级联文件时出错:%v", err) } src, err := pigo.GetImage("/path/to/image") if err != nil { log.Fatalf("无法打开图像文件:%v", err) } pixels := pigo.RgbToGrayscale(src) cols, rows := src.Bounds().Max.X, src.Bounds().Max.Y cParams := pigo.CascadeParams{ MinSize: 20, MaxSize: 1000, ShiftFactor: 0.1, ScaleFactor: 1.1, ImageParams: pigo.ImageParams{ Pixels: pixels, Rows: rows, Cols: cols, Dim: cols, }, } pigo := pigo.NewPigo() // 解包二进制文件。这将返回级联树的数量、 // 树深度、阈值和树叶节点的预测。 classifier, err := pigo.Unpack(cascadeFile) if err != nil { log.Fatalf("读取级联文件时出错:%s", err) } angle := 0.0 // 级联旋转角度。0.0 表示 0 弧度,1.0 表示 2*pi 弧度 // 对获得的叶节点运行分类器并返回检测结果。 // 结果包含表示行、列、比例和检测分数的四元组。 dets := classifier.RunCascade(cParams, angle) // 计算两个聚类的交并比(IoU)。 dets = classifier.ClusterDetections(dets, 0.2) **关于导入的说明**:为了解码生成的图像,你必须导入 `image/jpeg` 或 `image/png`(取决于提供的图像类型),如下例所示,否则你将得到 `"Image: Unknown format"` 错误。 ```Go import ( _ "image/jpeg" pigo "github.com/esimov/pigo/core" )
库中捆绑了一个命令行工具。
$ pigo -in input.jpg -out out.jpg -cf cascade/facefinder
$ pigo --help ┌─┐┬┌─┐┌─┐ ├─┘││ ┬│ │ ┴ ┴└─┘└─┘ Go (Golang) 人脸检测库。 版本:1.4.2 -angle float 0.0 表示 0 弧度,1.0 表示 2*pi 弧度 -cf string 级联二进制文件 -flpc string 面部特征点级联目录 -in string 源图像(默认 "-") -iou float 交并比(IoU)阈值(默认 0.2) -json string 将检测点输出到 json 文件 -mark 标记检测到的眼睛(默认为 true) -marker string 检测标记:rect|circle|ellipse(默认 "rect") -max int 人脸最大尺寸(默认 1000) -min int 人脸最小尺寸(默认 20) -out string 目标图像(默认 "-") -plc string 瞳孔/眼睛定位级联文件 -scale float 按百分比缩放检测窗口(默认 1.1) -shift float 按百分比移动检测窗口(默认 0.1)
**重要提示:**如果你还希望运行瞳孔/眼睛定位,则需要使用 plc
标志并提供一个有效的瞳孔定位级联文件路径。面部特征点检测也是如此,只不过这次 flpc
标志接受的参数是一个指向 cascades/lps
下面部特征点级联文件的目录。
你也可以使用 stdin
和 stdout
管道命令:
$ cat input/source.jpg | pigo > -in - -out - >out.jpg -cf=/path/to/cascade
in
和 out
默认为 -
,所以你也可以使用:
$ cat input/source.jpg | pigo >out.jpg -cf=/path/to/cascade $ pigo -out out.jpg < input/source.jpg -cf=/path/to/cascade
使用空字符串作为 -out
标志的值将跳过图像生成部分。这与 -json
标志结合使用将把检测结果编码到指定的 json 文件中。你也可以将管道 -
值与 -json
标志结合使用,将检测坐标输出到标准输出(stdout)。
如果你希望测试库的实时人脸检测功能,examples
文件夹包含了一些用 Python 编写的演示。
但你可能会问,为什么是 Python?因为 Go 生态系统(仍然)缺少一个跨平台和系统独立的访问网络摄像头的库。
在Python程序中,我们访问网络摄像头并通过cgo
将像素数据作为字节数组传输给Go程序,作为共享对象,Go程序中进行核心的人脸检测。但正如你所想象的,这个操作并不高效,导致帧率低于库本身的能力。
重要提示:要运行Webassembly演示至少需要Go 1.13版本!
从v1.4.0版本开始,该库已被移植到WASM。这证明了该库实时人脸检测的能力,可以持续产生约60帧每秒的效果。
要运行wasm
演示,选择wasm
文件夹并输入make
。
更多详情请查看子页面描述:https://github.com/esimov/pigo/tree/master/wasm。
**更多使用Pigo库的精彩WASM演示,请查看此仓库:https://github.com/esimov/pigo-wasm-demos**。
以下是在相同条件下运行Pigo与GoCV的基准测试结果。
BenchmarkGoCV-4 3 414122553 ns/op 704 B/op 1 allocs/op
BenchmarkPIGO-4 10 173664832 ns/op 0 B/op 0 allocs/op
PASS
ok github.com/esimov/gocv-test 4.530s
用于上述测试的代码可在以下链接找到:https://github.com/esimov/pigo-gocv-benchmark
版权所有 © 2019 Endre Simo
本软件基于MIT许可证分发。完整的许可证文本请参见LICENSE文件。
一站式AI创作平台
提供 AI 驱动的图片、视频生成及数字人等功能,助力创意创作
AI办公助手,复杂任务高效处理
AI办公助手,复杂任务高效处理。办公效率低?扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作,覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应,生活工作无缝切换,提升50%效率!
AI数字人视频创作平台
Keevx 一款开箱即用的AI数字人视频创作平台,广泛适用于电商广告、企业培训与社媒宣传,让全球企业与个人创作者无需拍摄剪辑,就能快速生成多语言、高质量的专业视频。
AI辅助编程,代码自动修复
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
AI小说写作助手,一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
全能AI智能助手,随时解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。
一键生成PPT和Word,让学习生活更轻 松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号