
当我在上面的图片(sonicyouth.jpg)中检测到一些人脸时,其中一个是倾斜的.When --使用harr样的特征来检测them.Only 3人脸,可以识别出其中一个是omitted.The代码,如下所示:
import cv2
import sys
imagePath = "sonicyouth.jpg"
cascPath = "haarcascade_frontalface_default.xml"
# Create the haar cascade
faceCascade = cv2.CascadeClassifier(cascPath)
# Read the image
image = cv2.imread(imagePath)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# Detect faces in the image
faces = faceCascade.detectMultiScale(
gray,
scaleFactor=1.05,
minNeighbors = 8,
minSize=(30, 30),
# flags = cv2.cv.CV_HAAR_SCALE_IMAGE
flags = cv2.CASCADE_SCALE_IMAGE|cv2.CASCADE_FIND_BIGGEST_OBJECT|cv2.CASCADE_DO_ROUGH_SEARCH
)
print("Found {0} faces!".format(len(faces)))结果是“发现了3张脸!”.How,我能用RCNN或某事物来执行检测结果吗?其他的?特别是旋转的脸。
发布于 2019-12-31 05:30:53
您使用的是一种旧的人脸检测算法。Haar级联检测是第一个实现实时检测的人脸检测算法。
由于它是第一种人脸检测算法,因此具有许多约束条件。正如您所指出的,其中之一是无法检测旋转的faces。它也将无法检测侧人脸以及遮挡人脸。
采用较新的基于深度学习的方法可以提高检测率。OpenCV在它们的新文件夹中提供这些。您可以参考此链接以获得更好的教程。
但是如果你想坚持Haar Cascade,你可以用45度旋转图像,然后再运行相同的检测算法。这一次,你将能够找到丢失的头部,并结合结果!
发布于 2019-12-31 04:26:37
人脸识别和人脸检测是不同的!
如果您只想检测,请使用RetinaFace,这是最先进的。
参考文献:https://paperswithcode.com/sota/face-detection-on-wider-face-hard
如果您想要识别(验证或标识),请使用ArcFace,它是最先进的。
参考文献:https://paperswithcode.com/sota/face-verification-on-megaface参考:https://paperswithcode.com/sota/face-identification-on-megaface
https://stackoverflow.com/questions/59539511
复制相似问题