人脸识别是一种能够从图像或视频源的视频帧中实时识别或验证人的技术。 在今天的文章中，我们将讨论五个开源人脸识别项目，以提高你在数据科学领域的技能。
注意：本文只是简单介绍一些不那么著名但非常好的开源项目，你可以在你的项目中使用这些项目。要阅读有关它们的更多信息，我建议遵循项目中提供的链接。
拥有良好的理论知识是惊人的，但在实时机器学习项目中用代码实现它们则是完全不同的事情。基于不同的问题和数据集，你可能会得到不同的意外结果。
因此，作为奖励，我还增加了各种课程的链接，这些课程对我学习数据科学和ML的过程有很大帮助。
我个人是DataCamp的粉丝，我的学习之路从它开始，我现在仍然在通过DataCamp学习并不断学习新课程。他们有一些令人兴奋的课程。一定要看看。
DataCamp https://www.datacamp.com/courses/?tap_a=5644-dce66f&tap_s=210732-9d6bbf?tap_a=5644-dce66f&tap_s=841152-474aa4数据科学家与Python https://www.datacamp.com/tracks/data-scientist-with-python?tap_a=5644-dce66f&tap_s=841152-474aa4数据科学家与R https://www.datacamp.com/tracks/data-scientist-with-r?tap_a=5644-dce66f&tap_s=841152-474aa4机器学习科学家与R https://www.datacamp.com/tracks/machine-learning-scientist-with-r?tap_a=5644-dce66f&tap_s=841152-474aa4机器学习科学家与Python https://www.datacamp.com/tracks/machine-learning-scientist-with-python?tap_a=5644-dce66f&tap_s=841152-474aa4面向所有人的机器学习 https://www.datacamp.com/tracks/machine-learning-for-everyone?tap_a=5644-dce66f&tap_s=841152-474aa4所有人的数据科学 https://www.datacamp.com/tracks/data-science-for-everyone?tap_a=5644-dce66f&tap_s=841152-474aa4Python数据工程师 https://www.datacamp.com/tracks/data-engineer-with-python?tap_a=5644-dce66f&tap_s=841152-474aa4python数据分析器 https://www.datacamp.com/tracks/data-analyst-with-python?tap_a=5644-dce66f&tap_s=841152-474aa4通过pyspark打好大数据基础 https://www.datacamp.com/courses/big-data-fundamentals-via-pyspark?tap_a=5644-dce66f&tap_s=841152-474aa4PS：我仍然在使用DataCamp，在空闲时间继续学习课程。实际上，我坚持让读者根据他们的兴趣去尝试任何一门课程，开始学习并在机器学习和数据科学中建立良好的基础。DataCamp的这些课程最棒的地方在于，它们以非常优雅和不同的方式进行解释，平衡地关注实际知识和概念知识，最后总是有一个案例研究。这是我最喜欢他们的地方。
这些课程真的值得你花时间和金钱。这些课程肯定会帮助你更好地理解和实现机器学习，也可以用Python或R来实现。我相信你一定会喜欢它的，我是从我个人的观点和经验中提出这一点的。
另外，我还注意到，DataCamp在美国东部时间2020年9月9日至9月16日下午12点的一周内为所有课程提供75%的折扣。因此，这将是最好的时间去争取一些年度订阅（我已经拥有了），基本上可以无限访问所有的课程和其他东西的数据营，并充分利用在疫情期间你坐在家里的时间。
回到主题……
1. 人脸识别Adam Geitgey的Face_Recognition是世界上最简单的内置Python人脸识别API，可以从命令行使用。这个项目基于深度学习，使用dlib最先进的面部识别库。
之所以称为“最简单”，是因为它允许你将图像添加到文件夹中，并从命令行开始识别人脸，在wild基准测试中的标记面孔上，准确率为98.38%
人脸识别API的其他一些功能包括：
检测一张图片中的多张脸，并识别每张照片中出现的人。在实时摄像头中检测人脸。检测人的眼睛、鼻子、嘴、眉毛、下巴等面部特征，得到被检测部位的位置和轮廓。检测面部特征并应用数字化妆注意：你可以在Adam Geitgey的这篇文章中阅读有关Face_Recognition API的更多信息。
https://medium.com/@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d782.ËagleEyeËagleEye是一个开源项目，可用于跟踪你的朋友，使用图像识别和反向图像搜索来找到他们的Facebook，Instagram和Twitter个人资料。要运行此项目，你必须安装Linux系统，如果你没有Linux系统，则还可以使用虚拟机安装Linux。
该项目是使用Python编程语言，最新的dlib人脸识别库和人脸识别API构建的。
3. DocFace
DocFace是一个开源的人脸识别系统，可用于实时将身份证件照片与自拍照片进行匹配。这个项目是建立在TensorFlow和Python之上的。
为了确保更好的性能，首先使用MatLab版本的MTCNN following SphereFace对齐所拍摄的面部自拍，用于训练基本模型的数据集是Ms-Celeb-1M和LFW。
然后使用基本模型通过迁移学习对ID自拍数据集进行微调。通过迁移学习，使用预先训练的基础模型，我们能够达到99.67%的准确率。
4. GetMeThrough
GetMeThrough是一个免费的开源软件，以离线模式实时工作的web应用程序，帮助任何活动的组织者仅允许授权或受邀的人参加活动，使用两步验证因素，即首先使用人脸识别技术检查该人是否在数据库中注册，否则将检查二维码。
本项目使用dlib预训练模型构建，该模型建立在Face_Recogniton API（如前所述）之上，以达到99.38%的准确率。本项目开发中使用的其他工具有MongoDB、materialecss，Node.js以及 Express.js 用于前端、后端、数据库和web应用框架。
按照这里给出的说明，你可以获得在本地计算机上运行的项目的副本，以便进行开发和测试。
5. SharpAI DeepCamera
sharpAI的DeepCamera是Android设备上的开源人工智能视频监控，监控摄像头具有人脸识别、人体形状识别、运动检测、人脸检测、目标检测等多种功能。
这是一个免费的自动机器学习（AutoML）深度学习的边缘人工智能平台，在这个平台上，训练一个新的模型不需要编程经验，它主要是用来保护你的隐私。
它已经被支持在各种Android设备和摄像头上运行良好。目前，DeepCamera由SharpAI维护。
参考
Face_Recognition API
https://github.com/ageitgey/face_recognitionhttps://medium.com/@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d78EagleEye
https://github.com/ThoughtfulDev/EagleEyeDocFace
https://arxiv.org/abs/1805.02283https://github.com/seasonSH/DocFaceGet Me Through
https://github.com/malikshubham827/get-me-throughDeepCamera
https://github.com/SharpAI/DeepCamerahttps://sharpai.github.io/DeepCamera/
