K60至尊版狂暴引擎2.0加持：超177萬(wàn)跑分?jǐn)孬@性能第一
Redmi的后性能時(shí)代戰(zhàn)略發(fā)布會(huì)今天下午如期舉辦，在本次發(fā)布會(huì)上，Redmi公布了多項(xiàng)關(guān)于和聯(lián)發(fā)科的深度合作，以及新機(jī)K60 Ultra在軟件和硬件方面的特性，例如：“K60 至尊版，雙芯旗艦
人臉檢測(cè)是一種識(shí)別數(shù)字圖像中人類面孔的技術(shù)。人臉檢測(cè)是一項(xiàng)相對(duì)成熟的技術(shù)，還記得在您的數(shù)碼相機(jī)的舊日子里，當(dāng)您通過(guò)取景器看時(shí)？您會(huì)看到圍繞在取景器中的人們臉部的矩形框。在進(jìn)行人臉識(shí)別之前，您需要學(xué)習(xí)的技術(shù)就是人臉檢測(cè)，也就是試圖給臉部賦予一個(gè)名字。
對(duì)于人臉檢測(cè)，其中最著名的算法之一是被稱為Viola-Jones人臉檢測(cè)技術(shù)，通常稱為Haar級(jí)聯(lián)。Haar級(jí)聯(lián)在深度學(xué)習(xí)流行之前就被發(fā)明了，是最常用于檢測(cè)人臉的技術(shù)之一。
盡管檢測(cè)和識(shí)別人臉的能力確實(shí)很酷，但它肯定涉及很多道德問(wèn)題。在將面部識(shí)別應(yīng)用到項(xiàng)目中之前，您需要注意一些關(guān)切事項(xiàng)。這些關(guān)切事項(xiàng)包括隱私（人臉檢測(cè)可用于在未經(jīng)同意的情況下追蹤人們的活動(dòng)）、偏見(jiàn)（人臉檢測(cè)可能對(duì)不同種族、性別或年齡的個(gè)體存在偏見(jiàn)）以及濫用（捕捉到的面部可能被用于其他非法用途或惡意目的）。因此，盡管本文側(cè)重于人臉檢測(cè)的技術(shù)能力，但在將其應(yīng)用到工作中之前，您應(yīng)該仔細(xì)考慮道德和倫理問(wèn)題。
以下是一些低風(fēng)險(xiǎn)項(xiàng)目，可以在其中實(shí)施人臉檢測(cè)/識(shí)別：
然而，在某些應(yīng)用中使用人臉識(shí)別具有嚴(yán)重的道德影響。以下是一些例子：
Haar級(jí)聯(lián)分類器用于檢測(cè)其經(jīng)過(guò)訓(xùn)練的對(duì)象。以下是Haar面部分類器的工作原理的高級(jí)概述：
幸運(yùn)的是，不需要知道Haar級(jí)聯(lián)是如何工作的，OpenCV可以直接使用預(yù)訓(xùn)練的Haar級(jí)聯(lián)進(jìn)行人臉檢測(cè)，以及用于識(shí)別其他對(duì)象的其他Haar級(jí)聯(lián)。預(yù)定義的Haar級(jí)聯(lián)列表可在GitHub上找到，鏈接為：https://github.com/opencv/opencv/tree/master/data/haarcascades。
開(kāi)源計(jì)算機(jī)視覺(jué)（OpenCV）是由英特爾最初開(kāi)發(fā)的開(kāi)源計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)軟件庫(kù)。它旨在為計(jì)算機(jī)視覺(jué)應(yīng)用程序提供共同的基礎(chǔ)架構(gòu)，并加速機(jī)器感知在商業(yè)產(chǎn)品中的使用。OpenCV附帶了幾個(gè)預(yù)訓(xùn)練的Haar級(jí)聯(lián)，可以檢測(cè)眼睛、臉部、俄羅斯車牌、微笑等。對(duì)于人臉檢測(cè)，您將需要`haarcascade_frontalface_default.xml`文件，可以從上文的GitHub鏈接中下載。
讓我們嘗試使用OpenCV進(jìn)行人臉檢測(cè)。首先，您需要使用以下命令進(jìn)行安裝：
!pip install opencv-python對(duì)于本文示例，您需要?jiǎng)?chuàng)建一個(gè)名為`face_detection.py`的文件。首先，通過(guò)以下語(yǔ)句導(dǎo)入OpenCV庫(kù)：
import cv2接下來(lái)要做的是連接到您的網(wǎng)絡(luò)攝像頭并在屏幕上顯示圖像：
import cv2# default webcamstream = cv2.VideoCapture(0)while(True): # Capture frame-by-frame (grabbed, frame) = stream.read() # Show the frame cv2.imshow("Image", frame) key = cv2.waitKey(1) & 0xFF if key == ord("q"): # Press q to break out of the loop break# Cleanupstream.release()cv2.waitKey(1)cv2.destroyAllWindows()cv2.waitKey(1)為引用您的網(wǎng)絡(luò)攝像頭，請(qǐng)使用`VideoCapture`類并傳遞一個(gè)數(shù)字，表示您的攝像頭實(shí)例（0表示第一個(gè)攝像頭，1表示第二個(gè)攝像頭，依此類推）。
stream = cv2.VideoCapture(0)為了持續(xù)捕獲來(lái)自網(wǎng)絡(luò)攝像頭的輸入，使用一個(gè)無(wú)限循環(huán)（`while(True)`）讀取每一幀然后顯示它：
# Capture frame-by-frame (grabbed, frame) = stream.read() # Show the frame cv2.imshow("Image", frame)為了使程序能夠優(yōu)雅地退出，等待用戶在鍵盤(pán)上按鍵。當(dāng)按下"q"鍵時(shí)，循環(huán)終止：
key = cv2.waitKey(1) & 0xFF if key == ord("q"): # Press q to break out of the loop break然后進(jìn)行清理工作：
# Cleanupstream.release()cv2.waitKey(1)cv2.destroyAllWindows()cv2.waitKey(1)要運(yùn)行程序，請(qǐng)轉(zhuǎn)到終端并鍵入：
$ python face_detection.py現(xiàn)在您應(yīng)該看到您的臉：
現(xiàn)在來(lái)玩?zhèn)€有趣的部分 —— 檢測(cè)臉部。首先，創(chuàng)建`CascadeClassifier`類的一個(gè)實(shí)例，并將`haarcascade_frontalface_default.xml`文件傳遞給它：
import cv2# for face detectionface_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')您需要復(fù)制`haarcascade_frontalface_default.xml`文件并將其放在與`face_detection.py`文件相同的文件夾中。您可以從https://github.com/opencv/opencv/tree/master/data/haarcascades下載XML文件。現(xiàn)在，您可以使用`detectMultiScale()`函數(shù)來(lái)檢測(cè)臉部：
while(True): # Capture frame-by-frame (grabbed, frame) = stream.read() #===============DETECTING FACES============ # Convert to grayscale gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # Try to detect faces in the webcam faces = face_cascade.detectMultiScale(gray, scaleFactor=1.3, minNeighbors=5) # for each faces found for (x, y, w, h) in faces: # Draw a rectangle around the face color = (0, 255, 255) # in BGR stroke = 5 cv2.rectangle(frame, (x, y), (x + w, y + h), color, stroke) #===============DETECTING FACE============= # Show the frame cv2.imshow("Image", frame) key = cv2.waitKey(1) & 0xFF if key == ord("q"): # Press q to break out of the loop break請(qǐng)注意`detectMultiScale()`函數(shù)中的以下參數(shù)：
您可以變化這兩個(gè)參數(shù)的值以確保正確檢測(cè)到人臉。
當(dāng)檢測(cè)到臉部時(shí)，您希望在它們周圍畫(huà)出矩形：
# for each faces found for (x, y, w, h) in faces: # Draw a rectangle around the face color = (0, 255, 255) # in BGR stroke = 5 cv2.rectangle(frame, (x, y), (x + w, y + h), color, stroke)當(dāng)您重新運(yùn)行`face_detection.py`文件時(shí)，現(xiàn)在應(yīng)該能夠檢測(cè)到臉部了。
`face_detection.py`文件的完整內(nèi)容如下：
import cv2# for face detectionface_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')# default webcamstream = cv2.VideoCapture(0)while(True): # Capture frame-by-frame (grabbed, frame) = stream.read() # Convert to grayscale gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # Try to detect faces in the webcam faces = face_cascade.detectMultiScale(gray, scaleFactor=1.3, minNeighbors=5) # for each faces found for (x, y, w, h) in faces: # Draw a rectangle around the face color = (0, 255, 255) # in BGR stroke = 5 cv2.rectangle(frame, (x, y), (x + w, y + h), color, stroke) # Show the frame cv2.imshow("Image", frame) key = cv2.waitKey(1) & 0xFF if key == ord("q"): # Press q to break out of the loop break# Cleanupstream.release()cv2.waitKey(1)cv2.destroyAllWindows()cv2.waitKey(1)希望這篇簡(jiǎn)短的文章為您提供了一種使用Python和您的網(wǎng)絡(luò)攝像頭檢測(cè)臉部的簡(jiǎn)單方法。確保下載`haarcascade_frontalface_default.xml`文件并將其放入與您的Python文件相同的文件夾中。
本文鏈接：http://www.tebozhan.com/showinfo-26-93353-0.html基于 Python 的人臉檢測(cè) ：人臉識(shí)別的前提
聲明：本網(wǎng)頁(yè)內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問(wèn)題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：2376512515@qq.com
上一篇： ASP.NET Core 十大優(yōu)秀第三方中間件推薦
下一篇： 事務(wù)中存在多線程，怎么處理？
Copyright ? 2016-2023 天津谷騏科技有限公司 版權(quán)所有 sitemap.xml
違法及侵權(quán)請(qǐng)聯(lián)系：2376512515@qq.com 津ICP備18001702號(hào)
津公網(wǎng)安備 12010102000574號(hào)