import cv2
import numpy as np
# 載入人臉和人眼識別器
# detect faces 引數一 資料 引數二 縮放係數 引數三 最小畫素
faces = face_xml.detectmultiscale(gray,
1.3,5)
# 列印人臉個數
print
('face='
,len
(faces)
)for
(x,y,w,h)
in faces:
# 將人臉框出
cv2.rectangle(img,
(x,y)
,(x+w,y+h),(
255,0,
0),2
) roi_face = gray[y:y+h,x:x+w]
roi_color = img[y:y+h,x:x+w]
# 人眼識別
eyes = eye_xml.detectmultiscale(roi_face)
print
('eye='
,len
(eyes)
)# 將眼睛框出
for(e_x,e_y,e_w,e_h)
in eyes:
cv2.rectangle(roi_color,
(e_x,e_y)
,(e_x+e_w,e_y+e_h),(
0,255,0)
,2)cv2.imshow(
'dst'
,img)
cv2.waitkey(
0)
效果如下
基於haar特徵的Adaboost人臉檢測技術
基於haar特徵的adaboost人臉檢測技術 本文主要是對使用haar adabbost進行人臉檢測的一些原理進行說明,主要是快找工作了,督促自己複習下 一 adaboost演算法原理 adaboost演算法是一種迭代的演算法,對於一組訓練集,通過改變其中每個樣本的分布概率,而得到不同的訓練集si...
1 Haar和Adaboost人臉識別
coding utf 8 import cv2 import numpy as np 載入xml檔案 絕對路徑載入 相對路徑載入會報錯 載入img cv2.imread face.jpg cv2.imshow src img haar特徵計算 灰度化 gray cv2.cvtcolor img,cv...
基於Adaboost檢測的分類器訓練
最近工作遇到了需要檢測影象的問題,需要自己訓練分類器,根據網上的一些參考 mfc基礎入門 基於adaboost演算法的車牌檢測在opencv上的研究與實現 進行了自己的一些嘗試,opencv中提供了兩種訓練函式 opencv haartraining 和 opencv traincascade,具體...