目标：进行实时人脸识别，比https://github.com/ageitgey/face_recognition 中facerec_from_webcam_faster.py 的效果要稳、识别率更高
Our solution
•Face detection in video, through LSTM on video face dataset.
•Infrequent face recognition based on a small number of frames.
原链接solutions (blog)
https://medium.com/@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d78
•Face detection on individual frames using HOG
•Frequent face recognition on individual frames
比较标准Comparison metric
•Better design —
•Speed (infrequent vs. each frame; network inference vs. HOG)
•Come up with some quantitative numbers.
•Consistency (inherent)
•Accuracy? Think about it.
实现思路：
1、detection用LSTM（上图右部分）
用video face detection dataset训一个lstm的network去detect视频中的人脸，代替原来的step 1（https://medium.com/@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d78）hog
2、 step2 保留，还是进行posing and projecting face
3、上图左半部分， 每个方框代表一帧，之前所说的给一个人的所有bounding box一个id的意思是 我们使用前几帧去进行recognition，video里的人尽量保持不动 通过这几帧确定这个人后，以后的帧都可以锁定这个人。意思是不是每帧都做recognition，并且这些box相当于一个history， 假设这个人在20秒后出画面再进来 不用进行recognition还能认出这个人
导师给的：
Video face detection
•Data: multiple-faces detection
•Model: LSTM (each frame produce an output)
•We have done plenty of work on similar setting
Video face recognition
•Face detection in each frame: from the LSTM model.
•Transfer learning: different datasets (video face data & real time)
•Recognition would be based on a small number of frames.
•Infrequent: know box IDs.
综上：第一点需要做的就是找detection这块video的dataset，老师预计有这样训好的lstm 改一改也能用，他上面第三句话的意思是 我们实验室有这样做好的model是语音识别的 我改改也可以用。第二点是detection的数据recognition时能否用。原blog里后面的两个step他没有提，你可以看看有没有必要用。
代写CS&Finance|建模|代码|系统|报告|考试
编程类：C代写,JAVA代写 ,数据库代写,WEB代写,Python代写,Matlab代写,GO语言,R代写
金融类：统计，计量，风险投资，金融工程，R语言，Python语言，Matlab，建立模型，数据分析，数据处理
服务类：Lab/Assignment/Project/Course/Qzui/Midterm/Final/Exam/Test帮助代写代考辅导
天才写手,代写CS,代写finance,代写statistics,考试助攻
E-mail:850190831@qq.com 微信：BadGeniuscs 工作时间：无休息工作日-早上8点到凌晨3点
如果您用的手机请先保存二维码到手机里面，识别图中二维码。如果用电脑，直接掏出手机果断扫描。
