懂AI
head-pose-estimation

head-pose-estimation

实时人脸姿态估计，使用ONNX Runtime和OpenCV进行处理

本项目提供了一个实时的人脸姿态估计解决方案，依赖于ONNX Runtime和OpenCV框架。主要步骤包括人脸检测、68个面部标志点检测以及姿态估计。支持Ubuntu 22.04，提供简单的安装步骤和预训练模型下载链接，使用户可以快速启动并运行。本项目支持视频文件和摄像头输入，提供了详尽的训练指导和代码库，确保了高度的灵活性和扩展性，适合开发和测试用途。

头部姿态估计ONNX RuntimeOpenCV人脸检测面部特征点检测Github开源项目
GitHub论文

项目介绍：Head Pose Estimation

Head Pose Estimation 是一个实时人头姿态估计项目，使用 ONNX Runtime 和 OpenCV 实现。

项目运作方式

Head Pose Estimation 项目通过三个主要步骤来实现人头姿态的估计：

  1. 人脸检测：首先使用人脸检测器来提供包含人脸的边界框。这个边界框将被扩展并转化为方形，以更好地适应后续步骤的需求。

  2. 面部特征点检测：使用预训练的深度学习模型从人脸图像中检测并输出 68 个面部特征点。

  3. 姿态估计：获取面部特征点后，通过一个 PN（平面定位）算法来计算头部姿态。

快速开始

以下是如何在本地机器上获取项目副本并使其运行，用于开发和测试目的的说明。

前置条件

该项目代码在 Ubuntu 22.04 上测试，通过以下框架实现：

  • ONNX Runtime: 1.17.1
  • OpenCV: 4.5.4

安装步骤

  1. 克隆代码仓库：

    git clone https://github.com/yinguobing/head-pose-estimation.git

  2. 使用 pip 安装依赖：

    pip install -r requirements.txt

  3. 预训练模型已在 assets 目录提供。可以使用 Git LFS 下载：

    git lfs pull

    或者，从项目的发行页面手动下载。

运行项目

运行项目时，需要通过参数指定视频文件或网络摄像头索引。如果未提供数据源，默认为内置网络摄像头。

视频文件运行

对于任何 OpenCV 支持的视频格式（如 mp4, avi 等），运行以下命令：

python3 main.py --video /path/to/video.mp4

使用网络摄像头

提供网络摄像头索引来运行：

python3 main.py --cam 0

重训练模型

项目提供了相关教程和训练代码，用户可以参考以下地址：

  • 教程链接可在项目文档中找到。
  • 训练代码在https://github.com/yinguobing/cnn-facial-landmark。

请注意，PyTorch 版本即将推出！

项目授权

此项目在 MIT 许可证下授权。面部检测使用了 InsightFace 的 SCRFD 技术，预训练模型文件使用了不同的公开数据集，并遵循各自的许可协议。

项目作者

该项目由尹国冰（Yin Guobing）开发，更多信息可在他们的个人网站查看。

致谢

在项目训练中使用了多个数据集，例如 300-W, 300-VW, LFPW, HELEN, AFW 和 IBUG。此外，项目中的3D 人脸模型来源于 OpenFace。

Head Pose Estimation 项目充分利用了现有的技术和资源，以实现更加高效的姿态估计，同时提供了友好的使用和开发环境。无论是开发者还是研究人员，皆可从此项目中受益。

编辑推荐精选

TRAE编程

TRAE编程

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工具TraeAI IDE协作生产力转型热门
蛙蛙写作

蛙蛙写作

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。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
问小白

问小白

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。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

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。

讯飞智文

讯飞智文

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。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

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。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

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。

咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

下拉加载更多