计算机视觉OpenCv学习系列:第十部分、实时人脸检测
第十部分、实时人脸检测
- 第一节、实时人脸检测
- 1.OpenCV人脸检测支持演化
- 2.OpenCV DNN检测函数
- 3.代码练习与测试
- 学习参考
第一节、实时人脸检测
1.OpenCV人脸检测支持演化
OpenCV4 DNN模块
DNN- 深度神经网络
- 来自另外一个开源项目tiny dnn
- OpenCV3.3正式发布
- 最新版本OpenCV4.5.5
- 支持后台硬件加速机制 CPU/GPU等
- 支持多种任务(分类、检测、分割、风格迁移、场景文字检测等)
- 只支持推理,不支持训练,推理:支持模型的部署,但是不支持训练。
- 支持主流的深度学习框架生成模型
- 推荐使用pytorch/tensorflow
人脸检测的发展过程:
OpenCV3.3之前基于HAAR/LBP级联检测
OpenCV3.3开始支持深度学习人脸检测支持人脸检测
模型caffe/tensorflowOpenCV4.5.4 支持人脸检测+landmark
模型下载地址:
- https://gitee.com/opencv_ai/opencv_tutorial_data
OpenCV人脸检测支持演化:
- OpenCV人脸检测传统算法与深度学习模型对比
- 针对同一段视频文件,速度与检测总数统计比较
2.OpenCV DNN检测函数
# 读取模型:
1. readNetFromTensorflow
# 转换为blob对象:(实际上就是一个tensor)
2. blobFromImage
# 设置输入:
3. setInput
# 推理预测:
4. forward
- 模型输入:1x3x300x300(将图片放入,自动变成1x3x300x300的大小)
- 模型输出:1xNx7(N代表检测出多少个人脸,下所示就是1x1x7)
- 7个数字分别是:
- 最后四个:人脸检测框,左上角和右下角坐标(x1, x2, y1, y2)
- 第三个:预测置信度
- 第一个:batch-size的index索引 ,目前是0,每批读入一个图片
- 第二个:classid,分类的类别,因为当前是人脸识别只有一类,所以classid=0
- 所以当前只用解析后五个参数即可
- 推理时间与帧率
3.代码练习与测试
1.readNetfromTensorflow 加载模型
2.blobFromImage转换输入格式数据
3.setInput设置输入数据
4.forward推理
5.对输出的数据 Nx7 完成解析
6.绘制矩形框跟得分
加载模型一次即可,推理可以执行多次!
# 人脸识别需要的文件
model_bin ="../data/opencv_face_detector_uint8.pb"
config_text = "../data/opencv_face_detector.pbtxt"# 识别一张图片中的人脸
def frame_face_demo():# 记录开始时间a = time.time()print(a)# 获取摄像头font = cv.FONT_HERSHEY_SIMPLEXfont_scale = 0.5thickness = 1# 部署tensorflow模型net = cv.dnn.readNetFromTensorflow(model_bin, config=config_text)# 记录调用时长print(time.time() - a)print(time.strftime('%Y-%m-%d %H:%M:%S'))e1 = cv.getTickCount()# 摄像头是和人对立的,将图像垂直翻转frame = cv.imread(r"F:\python\opencv-4.x\samples\data\lena.jpg")h, w, c = frame.shapeprint("h:", h, "w: ", w, "c: ", c)# 模型输入:1x3x300x300# 1.0表示不对图像进行缩放,设定图像尺寸为(300, 300),减去一个设定的均值(104.0, 177.0, 123.0),是否交换BGR通道和是否剪切都选Falseblobimage = cv.dnn.blobFromImage(frame, 1.0, (300, 300), (104.0, 177.0, 123.0), False, False)net.setInput(blobimage)# forward之后,模型输出:1xNx7cvout = net.forward()print(cvout.shape)t, _ = net.getPerfProfile()label = "Inference time: %.2f ms" % (t * 1000.0 / cv.getTickFrequency())# 绘制检测矩形# 只考虑后五个参数for detection in cvout[0, 0, :]:# 获取置信度score = float(detection[2])objindex = int(detection[1])# 置信度>0.5说明是人脸if score > 0.5:# 获取实际坐标left = detection[3] * wtop = detection[4] * hright = detection[5] * wbottom = detection[6] * h# 绘制矩形框cv.rectangle(frame, (int(left), int(top)), (int(right), int(bottom)), (255, 0, 0), thickness=2)# 绘制类别跟得分label_txt = "score:%.2f" % score# 获取文本的位置和基线(fw, uph), dh = cv.getTextSize(label_txt, font, font_scale, thickness)cv.rectangle(frame, (int(left), int(top) - uph - dh), (int(left) + fw, int(top)), (255, 255, 255), -1, 8)cv.putText(frame, label_txt, (int(left), int(top) - dh), font, font_scale, (255, 0, 255), thickness)e2 = cv.getTickCount()fps = cv.getTickFrequency() / (e2 - e1)cv.putText(frame, label + (" FPS: %.2f" % fps), (10, 50), cv.FONT_HERSHEY_SIMPLEX, 1.0, (0, 0, 255), 2)cv.imshow("face-dectection-demo", frame)# 释放资源cv.waitKey(0)cv.destroyAllWindows()# 视频文件执行之后会有警告但是不影响使用
结果示例:
# 人脸识别需要的文件
model_bin ="../data/opencv_face_detector_uint8.pb"
config_text = "../data/opencv_face_detector.pbtxt"# 实时人脸识别摄像头
def video_face_demo():# 记录开始时间a = time.time()print(a)# 获取摄像头cap = cv.VideoCapture(0)font = cv.FONT_HERSHEY_SIMPLEXfont_scale = 0.5thickness = 1# 部署tensorflow模型net = cv.dnn.readNetFromTensorflow(model_bin, config=config_text)# 记录调用时长print(time.time() - a)print(time.strftime('%Y-%m-%d %H:%M:%S'))while True:e1 = cv.getTickCount()# 获取每一帧的帧率fps = cap.get(cv.CAP_PROP_FPS)print(fps)# 摄像头读取,ret为是否成功打开摄像头,true,false。 frame为视频的每一帧图像ret, frame = cap.read()# 摄像头是和人对立的,将图像垂直翻转frame = cv.flip(frame, 1)if ret is not True:breakh, w, c = frame.shapeprint("h:", h, "w: ", w, "c: ", c)# 模型输入:1x3x300x300# 1.0表示不对图像进行缩放,设定图像尺寸为(300, 300),减去一个设定的均值(104.0, 177.0, 123.0),是否交换BGR通道和是否剪切都选Falseblobimage = cv.dnn.blobFromImage(frame, 1.0, (300, 300), (104.0, 177.0, 123.0), False, False)net.setInput(blobimage)# forward之后,模型输出:1xNx7cvout = net.forward()print(cvout.shape)t, _ = net.getPerfProfile()label = "Inference time: %.2f ms" % (t * 1000.0 / cv.getTickFrequency())# 绘制检测矩形# 只考虑后五个参数for detection in cvout[0, 0, :]:# 获取置信度score = float(detection[2])objindex = int(detection[1])# 置信度>0.5说明是人脸if score > 0.5:# 获取实际坐标left = detection[3] * wtop = detection[4] * hright = detection[5] * wbottom = detection[6] * h# 绘制矩形框cv.rectangle(frame, (int(left), int(top)), (int(right), int(bottom)), (255, 0, 0), thickness=2)# 绘制类别跟得分label_txt = "score:%.2f" % score# 获取文本的位置和基线(fw, uph), dh = cv.getTextSize(label_txt, font, font_scale, thickness)cv.rectangle(frame, (int(left), int(top) - uph - dh), (int(left) + fw, int(top)), (255, 255, 255), -1, 8)cv.putText(frame, label_txt, (int(left), int(top) - dh), font, font_scale, (255, 0, 255), thickness)e2 = cv.getTickCount()fps = cv.getTickFrequency() / (e2 - e1)cv.putText(frame, label + (" FPS: %.2f" % fps), (10, 50), cv.FONT_HERSHEY_SIMPLEX, 1.0, (0, 0, 255), 2)cv.imshow("face-dectection-demo", frame)# 10ms显示一张图片c = cv.waitKey(10)if c == 27:break# 释放资源cap.release()cv.waitKey(0)cv.destroyAllWindows()# 视频文件执行之后会有警告但是不影响使用
结果示例:
学习参考
本系列所有OpenCv相关的代码示例和内容均来自博主学习的网站:opencv_course
计算机视觉OpenCv学习系列:第十部分、实时人脸检测相关推荐
- 【OpenCV学习】(十)特征点检测与匹配
[OpenCV学习](十)特征点检测与匹配 背景 提取图像的特征点是图像领域中的关键任务,不管在传统还是在深度学习的领域中,特征代表着图像的信息,对于分类.检测任务都是至关重要的: 特征点应用的一些场 ...
- openCV学习笔记(十二) —— 人脸识别算法(1/3)—— 特征脸 EigenFaces
一.原理 opencv支持3种人脸识别的算法,分别是: 1. Eigen Faces PCA(特征脸方法) 2. Fisher Faces LDA(线性判别分析) 3. ...
- 深度学习自学(十):人脸检测android端-JNI调试调用底层检测识别库
一.CmakeLists 1.原始CmakeLists #----------------指定 库文件名字(.so)和c++文件路径(可多个) add_library( # Sets the name ...
- OpenCV学习笔记(十六)——CamShift研究 OpenCV学习笔记(十七)——运动分析和物体跟踪Video OpenCV学习笔记(十八)——图像的各种变换(cvtColor*+)imgproc
OpenCV学习笔记(十六)--CamShift研究 CamShitf算法,即Continuously Apative Mean-Shift算法,基本思想就是对视频图像的多帧进行MeanShift运算 ...
- OpenCV学习笔记(十八):凸包,最小包围区域算子:convexHull(),minAreaRect(),minEnclosingTriangle(),minEnclosingCircle()
OpenCV学习笔记(十八):凸包,最小包围区域算子:convexHull(),minAreaRect(),minEnclosingTriangle(),minEnclosingCircle() 1. ...
- OpenCV学习笔记(十六):直方图均衡化:equalizeHist()
OpenCV学习笔记(十六):直方图均匀化:equalizeHist() 参考博客: 直方图均衡化的数学原理 直方图匹配的数学原理 直方图均衡化广泛应用于图像增强中: 直方图均衡化处理的"中 ...
- OpenCV学习笔记(十五):图像仿射变换:warpAffine(),getRotationMatrix2D()
OpenCV学习笔记(十五):图像仿射变换:warpAffine(),getRotationMatrix2D() 一个任意的仿射变换都能表示为乘以一个矩阵(线性变换)接着再加上一个向量(平移)的形式. ...
- OpenCV学习笔记(十四):重映射:remap( )
OpenCV学习笔记(十四):重映射:remap( ) 图像的坐标映射是通过原图像与目标图像之间建立一种映射关系,这种映射关系有两种,一种是计算原图像任意像素在映射后图像的坐标位置,另一种是计算变换后 ...
- OpenCV学习笔记(十二):边缘检测:Canny(),Sobel(),Laplace(),Scharr滤波器
OpenCV学习笔记(十二):边缘检测:Canny(),Sobel(),Laplace(),Scharr滤波器 1)滤波:边缘检测的算法主要是基于图像强度的一阶和二阶导数,但导数通常对噪声很敏感,因此 ...
最新文章
- Unity创造没有代码的游戏学习教程
- linux用户和文件目录管理
- hadoop在Browse Directory中文件下载不了
- SpringMvc自动代理
- 显示屏的方向设置问题
- SpringMVC拦截器-用户登录权限控制代码实现3
- Django从理论到实战(part18)--配置templates文件夹路径
- 离线网页 HTML+CSS+DIV
- ipad mini2 12.5.4成功降级 10.3.3
- Mac M1 + Vmware Fusion 安装 Windows 11 arm版及相关问题解决
- 用Aria2来替换迅雷
- 智能制造案例——面向重型机械车间智能制造系统解决方案
- 复习2个月拿下美团offer,我都做了些啥
- 财富自由的声音:蚂蚁上市前,取消了周报
- 75 [backtrader期货策略]十大经典策略-分时均线交叉策略
- 糖果(2019第十届蓝桥杯省赛C++A组I题) 解题报告(状压dp) Apare_xzc
- 计算机基础知识(基础入门小白专属)九
- maya要学python吗_Day1 为什么要学Python?
- Server Disconnect
- 安川机器人仿真软件motosim-添加工具模型