OpenCV-Python实战（16）——人脸追踪详解0. 前言1. 人脸追踪技术简介2. 使用基于 dlib DCF 的跟踪器进行人脸跟踪2.1 完整代码3. 使用基于 dlib DCF 的跟踪器进行对象跟踪3.2 完整代码小结系列链接0. 前言人脸处理是人工智能中的一个热门话题，人脸处理可以使用计算机视觉算法从人脸中自动提取大量信息，例如身份、意图和情感；而目标跟踪试图估计目标在整个视频序列中的轨迹，其中只有目标的初始位置是已知的，将这两者进行结合将产生许多有趣的应用。由于外观变化、遮挡、快速运动、运动模糊和比例变化等多种因素，人脸追踪非常具有挑战性。1. 人脸追踪技术简介基于判别相关滤波器 (discriminative correlation filter,DCF) 的视觉跟踪器具有优异的性能和较高的计算效率，可用于实时应用程序。DCF跟踪器是一种非常流行的基于边界框跟踪的方法。在dlib库中实现了基于DCF的跟踪器，可以很方便的将其用于对象跟踪。在本文中，我们将介绍如何使用此跟踪器进行人脸和用户选择对象的跟踪，这种方法也称为判别尺度空间跟踪器 (Discriminative Scale Space Tracker,DSST)，追踪器仅需要输入原始视频和目标初始位置的边界框，然后跟踪器自动预测目标的轨迹。2. 使用基于 dlib DCF 的跟踪器进行人脸跟踪在进行人脸追踪时，我们首先使用dlib人脸检测器进行初始化，然后使用基于dlib DCF的跟踪器DSST进
OpenCV-Python实战（16）——人脸追踪详解0. 前言1. 人脸追踪技术简介2. 使用基于 dlib DCF 的跟踪器进行人脸跟踪2.1 完整代码3. 使用基于 dlib DCF 的跟踪器进行对象跟踪3.2 完整代码小结系列链接0. 前言人脸处理是人工智能中的一个热门话题，人脸处理可以使用计算机视觉算法从人脸中自动提取大量信息，例如身份、意图和情感；而目标跟踪试图估计目标在整个视频序列中的轨迹，其中只有目标的初始位置是已知的，将这两者进行结合将产生许多有趣的应用。由于外观变化、遮挡、快速运动、运动模糊和比例变化等多种因素，人脸追踪非常具有挑战性。1. 人脸追踪技术简介基于判别相关滤波器 (discriminative correlation filter,DCF) 的视觉跟踪器具有优异的性能和较高的计算效率，可用于实时应用程序。DCF跟踪器是一种非常流行的基于边界框跟踪的方法。在dlib库中实现了基于DCF的跟踪器，可以很方便的将其用于对象跟踪。在本文中，我们将介绍如何使用此跟踪器进行人脸和用户选择对象的跟踪，这种方法也称为判别尺度空间跟踪器 (Discriminative Scale Space Tracker,DSST)，追踪器仅需要输入原始视频和目标初始位置的边界框，然后跟踪器自动预测目标的轨迹。2. 使用基于 dlib DCF 的跟踪器进行人脸跟踪在进行人脸追踪时，我们首先使用dlib人脸检测器进行初始化，然后使用基于dlib DCF的跟踪器DSST进
