face_recognition模块方法集合
face_recognition API
以下描述了face_recognition人脸识别库的一些API参数、用法、返回值
函数batch_face_locations
batch_face_locations(images, number_of_times_to_upsample=1, batch_size=128)
使用cnn人脸检测器返回一个包含人脸特征的二维数组，如果使用了GPU，这个函数能够更快速的返回结果；如果不使用GPU的话，该函数就没必要使用
参数：
images : 一个包含图像数据的list，每个成员都是一个 numpy array类型
number_of_times_to_upsample： 从images的样本中查找多少次人脸，该参数的值越高的话越能发现更小的人脸
batch_size： 每个GPU一次批处理多少个image
返回值：
一个元组列表，列表中的每个元组包含人脸的位置(top, right, bottom, left)
函数compare_faces
compare_faces(known_face_encodings, face_encoding_to_check, tolerance=0.6)
比较脸部编码列表和候选编码，看看它们是否匹配。
参数：
known_face_encodings：已知的人脸编码列表
face_encoding_to_check：待进行对比的单张人脸编码数据
tolerance：两张脸之间有多少距离才算匹配。该值越小对比越严格，0.6是典型的最佳值
返回值：
一个 True或者False值的列表，该表指示了known_face_encodings列表的每个成员的匹配结果
函数face_distance
face_distance(face_encodings, face_to_compare)
给定一组面部编码，将它们与已知的面部编码进行比较，得到欧氏距离。对于每一个比较的脸，欧氏距离代表了这些脸有多相似。
参数：
faces：要比较的人脸编码列表
face_to_compare：待进行对比的单张人脸编码数据
tolerance：两张脸之间有多少距离才算匹配。该值越小对比越严格，0.6是典型的最佳值
返回值：
一个numpy ndarray，数组中的欧式距离与faces数组的顺序一一对应
函数face_encodings
face_encodings(face_image, known_face_locations=None, num_jitters=1)
给定一个图像，返回图像中每个面的128维人脸编码。
参数：
face_image：包含一个或者多个人脸的image
known_face_locations：可选参数，如果你知道每个人脸所在的边界框
param num_jitters：在计算编码时要重新采样的次数。越高越准确，但速度越慢，（100就会慢100倍）
返回值：
一个128维的面编码列表(每个面对应一个图像)
函数face_landmarks
face_landmarks(face_image, face_locations=None)
给定一个图像，返回图像中每个人脸的面部特征位置(眼睛、鼻子等)
参数：
face_image：待搜索的image
face_locations：可选参数，可选地提供要检查的面位置列表
返回值：
面部特征位置(眼睛、鼻子等)的字典记录列表
函数face_locations
face_locations(img, number_of_times_to_upsample=1, model='hog')
给定一个图像，返回图像中每个人脸的面部特征位置(眼睛、鼻子等)
参数：
img：一个image（numpy array类型）
number_of_times_to_upsample：从images的样本中查找多少次人脸，该参数的值越高的话越能发现更小的人脸
model：使用哪种人脸检测模型。“hog” 准确率不高，但是在CPUs上运行更快，“cnn” 更准确更深度（且GPU/CUDA加速，如果有GPU支持的话），默认是“hog”
返回值：
一个元组列表，列表中的每个元组包含人脸的位置(top, right, bottom, left)
函数load_image_file
load_image_file(file, mode='RGB')
加载一个图像文件到一个numpy array类型的对象上
参数：
file：待加载的图像文件名字
mode：转换图像的格式。只支持“RGB”(8位RGB, 3通道)和“L”(黑白)
返回值：
一个包含图像数据的numpy array类型的对象
face_recognition模块方法集合相关推荐
- Winform获取应用程序的当前路径的方法集合，具体如下，值得收藏
Winform获取应用程序的当前路径的方法集合,具体如下,值得收藏//获取当前进程的完整路径,包含文件名(进程名). string str = this.GetType().Assembly.Loca ...
- 使用face_recognition模块：错误AttributeError:'PngStream' object has no attribute 'chunk fcWp'
使用face_recognition模块:错误AttributeError:'PngStream'object has no attribute 'chunk fcWp' 文章目录: 一.错误:Att ...
- C#获取当前路径的方法集合
C#获取当前路径的方法集合 //获取当前进程的完整路径,包含文件名(进程名). string str = this.GetType().Assembly.Location; result: X:\xx ...
- 分分钟掌握人脸识别：face_recognition模块
来源:蝈蝈大数据工作坊[http://www.ggbigdata.cn] Face Recognition 是一个基于 Python 的人脸识别库,该库使用 dlib 顶尖的深度学习人脸识别技术构建, ...
- python heapq模块查找集合中最大或最小n个元素列表
怎样从一个集合中获得最大或者最小的 N 个元素列表? heapq 模块有两个函数: nlargest() 和 nsmallest() 可以完美解决这个问题. 举例说明: 一.集合类型 "&q ...
- python导入模块方法_Python导入模块的3种方法（非常详细）
许多初学者经常遇到这样的问题: 自定义Python模板后,在其他文件中使用带有import(或从... import)语句导入文件时,Python解释器还会出现以下错误: ModuleNotFound ...
- ASP.NET中文件上传下载方法集合
asp.net 2008-08-23 21:10:35 阅读0 评论0 字号:大中小 订阅 ASP.NET中文件上传下载方法集合 文件的上传下载是我们在实际项目开发过程中经常需要用到的技术,这里给 ...
- nginx 多站点配置方法集合
nginx 多站点配置方法集合 作者: 字体:[增加 减小] 类型:转载 时间:2011-06-28 我要评论 关于nginx的多站设置,其实和apache很相似,假设我们已经有两个域名,分别是:ww ...
- python的socket模块_Python socket模块方法实现详解
这篇文章主要介绍了python socket模块方法实现详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 socket ssh (不带防止粘包的方 ...
最新文章
- php上传漏洞绕过gd库,jQuery File Upload任意文件上传漏洞
- jquery学习资源
- js优化阿里云图片加载（二）
- java代码安全检测机制_全面解析：java中的反射机制，内含代码验证解析
- 阿里安全十余年发展的关键词：敬畏、努力
- Spring MVC初见面
- 乐橙等待登录返回超时_等待登录返回超时什么意思
- 多个高危 BIOS 缺陷影响英特尔处理器，特斯拉 Model 3 未幸免，可用于供应链攻击...
- POCO C++库学习和分析 -- 线程 （二）
- Hibernate配置文件，映射文件
- 基于JAVA的超市库存管理系统
- 大话移动通信（第2版）！（文末赠书福利）
- 神木林服务器未能,《梦幻西游2》2015年9月22日定期维护公告
- 玩冒险岛java卸载_冒险岛(经典版)卸载数据包方法
- 求三个字符串的最长公共子序列LCS(A,B,C)
- 微信授权二维码样式修改
- Android 发送彩信
- oracle自己主动维护
- 小车红外线自主充电方案-2
- vue-video-player 拖动进度条触发暂停移动端展示倍速菜单