开发建立内部采用人脸识别算法 算法执行三个主要任务：检测图像、视频或实时流中的人脸；计算人脸的数学模型；将模型与训练集或数据库进行比较以识别或验证一个人。 igenfaces 是一种人脸检测和识别方法，用于确定图像数据集中的人脸方差。它使用这些差异通过机器学习对人脸进行编码和解码。一组特征脸是通过对大量人脸图像的统计分析确定的“标准化人脸成分”的集合。面部特征被分配了数学值，因为这种方法不使用数字图片，而是使用统计数据库。任何人脸都是这些值以不同百分比的组合。

本项目针对视频目标识别任务中检测目标跳变，截断目标难以检测等问题，采用一种依赖于 时间信息的后处理来使目标检测结果更加连贯和稳定，提升目标检测效果 在 detr 类目标检测方法中，query vector 作用类似传统目标检测中的 anchor，区别的点在 于它可以通过梯度优化；而在视频目标检测问题，尤其是自动驾驶领域，相邻帧的 bbox 位 置变化并不明显，可以提供一定的辅助信息，因此可以采用前帧图片得到一个蕴含 bbox 信 息的 vector，在下一帧识别时可以作为网络的 query vector

onnx2torch is an ONNX to PyTorch converter. Our converter: Is easy to use – Convert the ONNX model with the function call convert; Is easy to extend – Write your own custom layer in PyTorch and register it with @add_converter; Convert back to ONNX – You can convert the model back to ONNX using the torch.onnx.export function.