基於Haar和Adaboost的人臉識別

2021-10-08 10:15:12 字數 1218 閱讀 8364

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...