利用 cv2.CascadeClassifier導入辨識工具,此中選擇了臉部和眼睛的辨識工具。
讀取圖象數據後,轉為灰階,行使detectMultiScale做臉部和眼睛的辨識。
detectMultiScale中的數據參數分別是
網頁設計 網頁設計
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,可能需要調劑一下參數。至於若何避免 OpenCV攪渾眼睛和嘴,本人今朝沒有對策,求高手指點。不外還好集體照不是我要辨識的首要目的。
接著點竄 detect,把辨識出的臉,另存為供 AI訓練的圖象。
Python OpenCV 臉部數據
使用 cv2.rectangle把辨識到的臉部或眼睛進行標注,參數依序是
為了將圖片數據轉換為適合 AI訓練的花樣,行使 OpenCV先對面部進行辨識,然後將面部數據另存為同一的花樣。
8.png (40 KB, 下載次數: 6)
第一個迴圈中先行使以辨識的面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對象。
別的也可以使用 LBP級聯數據,可以從這裡下載。
先試看看子瑜女神,有沒有辦法被辨識。
對面部和眼睛進行辨識,最少辨識出兩隻眼睛(不管對錯)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,所以不想要太嚴厲。
做法可能沒有很聰明,行使 os.walk把該資料夾中的各種格式的圖像名稱儲存成 list,再利用迴圈對圖像一個個辨識。
不管原圖解析度若何,全都會輸出同一的花樣,輸出的圖象如下。
網頁設計