网站建设会议报道,手机制作表白网站,app开发公司有哪些部门,团队管理的七个要点人眼数据集通常用于眼部相关的计算机视觉、眼动追踪、瞳孔检测、情感识别以及生物特征识别等领域的研究和开发。以下是一些常见的人眼数据集#xff1a; BioID Face Database: 这个数据库包含1,521张近距离的人脸图像#xff0c;其中包括瞳孔位置的标记。它通常用于瞳孔检测和…人眼数据集通常用于眼部相关的计算机视觉、眼动追踪、瞳孔检测、情感识别以及生物特征识别等领域的研究和开发。以下是一些常见的人眼数据集 BioID Face Database: 这个数据库包含1,521张近距离的人脸图像其中包括瞳孔位置的标记。它通常用于瞳孔检测和人脸识别的研究。 Columbia Gaze Data Set: 这个数据集包含56名参与者的近距离肖像图像每名参与者提供了9张图像其中包括注视点的标记。这个数据集通常用于研究注视点估计。 MPIIGaze Dataset: 这个数据集包括多个参与者的眼部图像每个参与者在室内和室外环境下进行拍摄。它用于研究眼动追踪和注视点估计。 UnityEyes Dataset: 这个数据集包括以3D模型生成的虚拟眼部图像。它通常用于眼动追踪和瞳孔检测的研究。 GazeCapture Dataset: 该数据集包含来自移动设备的用户眼睛图像被广泛用于研究用户的视线和注视点。 UT Multiview Dataset: 这个数据集包含多视图图像用于眼部特征提取和眼部运动研究。
这些数据集在不同研究领域和应用中都有其特定的用途。在研究中根据需要选择一个适合的数据集并确保遵守数据使用的相关规定和协议。这些数据集通常由学术界或研究机构提供可以在它们的官方网站或研究论文中找到更多信息。 下载xml依赖-面部 眼部
https://github.com/opencv/opencv/blob/4.x/data/haarcascades/haarcascade_eye.xml import cv2
import os# 加载Haar级联分类器文件
eye_cascade cv2.CascadeClassifier(haarcascade_eye.xml)
face_cascade cv2.CascadeClassifier(haarcascade_frontalface_default.xml)# 打开本地视频文件
video_path 1.mp4
cap cv2.VideoCapture(video_path)# 检查视频是否成功打开
if not cap.isOpened():print(无法打开视频文件)exit()# 创建目录用于保存分帧图片
output_dir frames
if not os.path.exists(output_dir):os.makedirs(output_dir)frame_count 0
eye_detected_count 0
face_detected_count 0
frame_filename_list []
frame_filename_no_eyes []while True:ret, frame cap.read()if not ret:breakframe_count 1frame_filename 0# 在每一帧上检测眼部gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)eyes eye_cascade.detectMultiScale(gray, scaleFactor1.1, minNeighbors5)if len(eyes) 0:eye_detected_count 1for (ex, ey, ew, eh) in eyes:# 在眼部位置显示红色点阵cv2.circle(frame, (ex ew // 2, ey eh // 2), 10, (0, 0, 255), -1)else:# 未检测到眼部的分帧图片frame_filename os.path.join(output_dir, fframe_{frame_count:04d}_no_eyes.jpg)cv2.imwrite(frame_filename, frame)frame_filename_no_eyes.append(frame_filename)# 在每一帧上检测面部faces face_cascade.detectMultiScale(gray, scaleFactor1.1, minNeighbors5)if len(faces) 0:face_detected_count 1for (fx, fy, fw, fh) in faces:# 在面部位置显示绿色矩形cv2.rectangle(frame, (fx, fy), (fx fw, fy fh), (0, 255, 0), 2)cv2.imshow(Face and Eye Detection, frame)# 按Esc键退出检测窗口if cv2.waitKey(1) 27:break# 保存分帧图片frame_filename os.path.join(output_dir, fframe_{frame_count:04d}.jpg)cv2.imwrite(frame_filename, frame)# 释放视频捕获对象
cap.release()
cv2.destroyAllWindows()# 打印统计信息
print(f总帧数: {frame_count})
print(f检测到眼部的帧数: {eye_detected_count})
print(f检测到面部的帧数: {face_detected_count})
print(f未检测到眼部的图片数: {len(frame_filename_no_eyes)})
print(未检测到眼部的图片名称:)
for filename in frame_filename_no_eyes:print(filename)
