杭州seo网站优化,哪些网站做的不好,wordpress 目录安全,文佳佳做网站Harr特征识别人脸
Haar cascade opencv步骤
读取包含人脸的图片使用haar模型识别人脸将识别的结果用矩形框画出来 构造haar检测器 #xff1a;cv2.CascadeClassifier(具体检测模型文件)
# 构造Haar检测器
# 级联分级机,cv2.CascadeClassifier():cv2的内置方法#xff0…Harr特征识别人脸
Haar cascade opencv步骤
读取包含人脸的图片使用haar模型识别人脸将识别的结果用矩形框画出来 构造haar检测器 cv2.CascadeClassifier(具体检测模型文件)
# 构造Haar检测器
# 级联分级机,cv2.CascadeClassifier():cv2的内置方法创建一检测器
# haarcascade_frontalface_default.xml:正脸检测模型
face_detector cv2.CascadeClassifier(./cascades/haarcascade_frontalface_default.xml)
将图像转成灰度图像
# 转成灰度图
img_gray cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
检测 face_detector.detectMultiScale(img_gray)方法进行检测
# face_detector.detectMultiScale(img_gray)方法进行检测
# 检测结果人脸的位置二维数组
detections face_detector.detectMultiScale(img_gray)
输出结果
# 打印结果
detections
# [ 284, 263, 113, 113][x,y,w,h],(x,y)左上角坐标(w,h)检测到人脸的尺寸:从左上角向右和向下开始延申的宽度和高度
将识别的结果用矩形框画出来
绘制图像
# for循环迭代检测的元组并画上矩形
for (x,y,w,h) in detections:# print((x,y,w,h))# 画矩形 img:BGRcv2.rectangle(img,(x,y),(xw,yh),color(0,255,0),thickness10) 显示绘制结果
# 显示绘制结果
plt.imshow(cv2.cvtColor(img,cv2.COLOR_BGR2RGB))
DetectMultiScale()方法参数调试
参数
scaleFactor:【距离】调整图片尺寸值越大相当于镜头拉大
minNeighbors:【质量】人脸候选数量:候选值越大则检测的越少
minSize:去掉的最小人脸尺寸大小w,h
maxSize:去掉的最大人脸尺寸大小w,h
