基於haar+adaboost人臉識別待補充------後續在進行優化補充
import cv2
#1——xml檔案引入
#第一次未對img繪製展示
#haar灰度化
gray = cv2.cvtcolor(img,cv2.color_bgr2gray)
#detect 1 data 2 sacle比例縮放 3 5最小畫素
faces = face_xml.detectmultiscale(gray,
1.3,5)
print
('faces='
,len
(faces)
)#人臉的個數
#draw
for(x,y,w,h)
in faces:
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]
eyes = eye_xml.detectmultiscale(roi_face)
print
('eyes='
,len
(eyes)
)#眼睛的個數
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(
'face'
,img)
#第一次對img繪製後展示
cv2.waitkey(0)
cv2.destroyallwindows(
)
：
機器學習 人臉檢測和Haar分類器
haar分類器是乙個基於樹的分類器，它建立了boost篩選式級聯分類器。可以使用opencv中的 人臉 檢測器來檢測 基本剛性的 物體 臉，汽車，自行車，人體 通過成千上萬的物體各個角度的訓練影象，訓練出新的分類器 這個技術被用來設計目前最優的檢測演算法。因此，對於此類識別的任務，haar分類器是乙...
機器學習 人臉檢測和Haar分類器
haar分類器是乙個基於樹的分類器，它建立了boost篩選式級聯分類器。可以使用opencv中的 人臉 檢測器來檢測 基本剛性的 物體 臉，汽車，自行車，人體 通過成千上萬的物體各個角度的訓練影象，訓練出新的分類器 這個技術被用來設計目前最優的檢測演算法。因此，對於此類識別的任務，haar分類器是乙...
基本機器學習演算法C 庫 畢設筆記3
花書上對基本機器學習演算法是按照有監督學習演算法和無監督學習演算法分類的 無監督學習演算法 主成分分析，k 均值聚類，k近鄰分類 k nn 有監督學習演算法 logistic回歸演算法 邏輯回歸 svm 支援向量機 拓展內容是是核函式 決策樹，線性判別分析 lda 現在是打算先找一找這些演算法有沒有...