利用 cv2.CascadeClassifier導入辨識東西,個中選擇了面部和眼睛的辨識工具。
讀取圖象數據後,轉為灰階,哄騙detectMultiScale做面部和眼睛的辨識。網頁設計
detectMultiScale中的數據參數離別是
為了將圖片數據轉換為合適 AI練習的花樣,利用 OpenCV先對面部進行辨識,然後將臉部數據另存為統一的格式。
子瑜女神看來起來辨識滿成功的。
接著看看失敗的例子,用了同樣的參數辨識一下 Twice和興奮伙伴們?
看來挺失敗的,娜璉和個中兩位興奮伙伴完全沒有辨識出臉,眼睛的部份大多都沒有辨識成功。為了辨識成功,可能需要調整一下參數。至於若何避免 OpenCV混合眼睛和嘴,本人目前沒有對策,求高手指點。不外還好團體照不是我要辨識的主要方針。
接著點竄 detect,把辨識出的臉,另存為供 AI訓練的圖像。
第一個迴圈中先使用以辨識的臉部再進行眼睛的辨識。
其中 Haar級聯數據可以從這裡下載。裡面供應了各類辨識的東西。
別的也可以利用 LBP級聯數據,可以從這裡下載。
先試看看子瑜女神,有沒有門徑被辨識。
做法可能沒有很聰明,使用 os.walk把該資料夾中的各種花樣的圖象名稱貯存成 list,再行使迴圈對圖象一個個辨識。
不管原圖解析度若何,全城市輸出同一的花樣,輸出的圖像如下。
對面部和眼睛進行辨識,最少辨識出兩隻眼睛(無論對錯)才進行儲存,輸出為 200x200的 png花樣。
我沒有設定minSize,因為我的數據有點少解析度落差也很大,所以不想要太嚴格。
- 圖片數據
- 兩個對角座標
- 線的色彩
- 線的粗細
哄騙 cv2.rectangle把辨識到的面部或眼睛進行標注,參數依序是