人脸识别中的机器学习(Pyton)

###机器学习和OpenCV for Python操作图形文件和图形操作####

####utf8#####

from  nupmy import *

ipmort  cv2

win _name = ‘mypicture‘           #窗口名称

#CV2.window_mormal: 调整窗口大小

cv2.namedWindow(win_name,cv2.WINDOW_MORMAL) #0 黑白图片,1原色图片

img = cv2.imread (‘mypicture.jpg‘,1)                                #显示图片

cv2.waitkey(0)

cv2.destoryAllWindows()                                                  #销毁创建的对象

######保存图片:OpenCV 可将图片转换为PGM格式#######

cv2.imwrite("paulwalke.mono.pgm",img)

#######Matplolib显示图片#########

from matplotlib import python as plt

img = cv2.imread(‘paulwalker.mono.pgm’,0)#读取黑白图片

plt.imshow(img,cmap =  ‘gray‘ , interpolation = ‘bicubic‘)

plt.xticks({}),plt,yticks({})     #隐藏x,y坐标

############绘制直线and矩形####

img=zeros(512,512,3)

#起点,(0,0)终点(511,511),颜色(0,255,255) 像素:2

cv2.line(img,(0,255),(512,255),(0,255,255),2) #直线

左上角:(150,150);右小角:(350,350) 颜色:(255,255,0) 像素:2

cv2.imshow(‘image’,img)

cv2 .waitKey(0)

cv2.destoryALLindows()

.

时间: 2024-10-16 10:26:45

人脸识别中的机器学习(Pyton)的相关文章

浅谈人脸识别中的loss 损失函数

浅谈人脸识别中的loss 损失函数 2019-04-17 17:57:33 liguiyuan112 阅读数 641更多 分类专栏: AI 人脸识别 版权声明:本文为博主原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/u012505617/article/details/89355690 在人脸识别中,算法的提高主要体现在损失函数的设计上,损失函数会对整个网络的优化有着导向性的作用.我们看到许多常用的损失函数

知物由学 | 基于DNN的人脸识别中的反欺骗机制

"知物由学"是网易云易盾打造的一个品牌栏目,词语出自汉·王充<论衡·实知>.人,能力有高下之分,学习才知道事物的道理,而后才有智慧,不去求问就不会知道."知物由学"希望通过一篇篇技术干货.趋势解读.人物思考和沉淀给你带来收获的同时,也希望打开你的眼界,成就不一样的你.当然,如果你有不错的认知或分享,也欢迎通过邮件([email protected])投稿. 以下是正文: 本文作者:ArturBa?maga,YND的AI专家. 想象一下,只需使用脸部即可解

人脸识别中的harr特征提取(转)

影响AdaBoost人脸检测训练算法速度很重要的两方面是特征选取和特征计算.选取的特征为矩特征为Haar特征,计算的方法为积分图. (1)Haar特征:     Haar特征分为三类:边缘特征.线性特征.中心特征和对角线特征,组合成特征模板.特征模板内有白色和黑色两种矩形,并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和.在确定了特征形式后 Harr- like特征的数量就取决于训练样本图像矩阵的大小,特征模板在子窗口内任意放置,一种形态称为一种特征,找出所有子窗口的特征是进行弱分类训练的

人脸识别中截取面部的实现方法

void GetImageRect(IplImage* orgImage, CvRect rectInImage, IplImage* imgRect,double scale) { //从图像orgImage中提取一块(rectInImage)子图像imgRect IplImage *result=imgRect; CvRect size; size.x=rectInImage.x*scale; size.y=rectInImage.y*scale; size.width=rectInImag

【人脸识别】Optical Flow算法在人脸防伪中的应用

1.本文简介:(原文PDF链接http://pan.baidu.com/s/1c0g0iQW) 学习本PDF后的一点总结.文章主要讲解了在人脸识别中的照片防伪技术,如何区分含有人脸的二维图片和三维真实人脸图是本文的主要工作. 实际应用举例:假冒者拿着你的照片来做人脸测试,意图通过识别程序,本文就是利用光流场来排除这样的伪造. 2.关键词: Optical FLow:光流场或光流动方向,趋势. Stereo vision:立体视觉. 3.正文内容 3.1 基本流程 下图是在人脸识别之前,需要进行的

图像物体检测识别中的LBP特征

1        引言 之前讲了人脸识别中的Haar特征,本文则关注人脸检测中的LBP特征,说是对于人脸检测的,其实对于其他物体也能检测,只需修改训练数据集即可.所以本文的题目是物体检测识别,比如可以检测是否汽车是否有车牌号等. 在opencv实现的haar特征的人脸识别算法中,LBP特征也被支持. haar特征的博文链接:http://blog.csdn.net/stdcoutzyx/article/details/34842233. 2        LBP的历史 1996年,Ojala老大

第40月第9天 卷积神经网络 人脸识别

1. 卷积神经网络的基本原理以及几个核心概念都介绍完了.接下来我们进入人脸识别的环节,总体分为四步:第一步就是人脸边框检测,第二步就是图像校准,第三步是图像转向量,第四步是向量对比. 第一步人脸边框检测.一张图片上,有可能不止一张脸,而是有多张脸.不管有多少张脸,我们先把符合人脸特征的边框找到,并且把边框给截取出来. 怎么截取?定位.就是根据人脸特征来进行定位,就像刚刚所说的,如果某个位置有一只眼睛,其对称的地方也有一只眼睛,那(机器)就能找到眼部位置,进而也能找到眼角部分.在人脸识别中,边框特

OpenCV — 人脸识别

前段时间弄过一下人脸识别相关的东西,记录一下 撰写不易,转载需注明出处:http://blog.csdn.net/jscese/article/details/54409627本文来自 [jscese]的博客! 概念 FaceDetect 人脸检测 在一张图像中判断是否存在人脸并找出人脸所在的位置 FaceRecognize 人脸识别 在人脸检测的基础上收集人脸数据集合进行处理保存信息,将输入人脸与保存的信息进行比对校验,得到是否为其中某个人脸 特征值 以某种特定规则对输入源进行处理得到具有唯一

人脸识别(face recognition)

一.前述 1. 发展 以往的人脸识别主要是包括人脸图像采集.人脸识别预处理.身份确认.身份查找等技术和系统.现在人脸识别已经慢慢延伸到了ADAS中的驾驶员检测.行人跟踪.甚至到了动态物体的跟踪.由此可以看出,人脸识别系统已经由简单的图像处理发展到了视频实时处理.而且算法已经由以前的Adaboots.PCA等传统的统计学方法转变为CNN.RCNN等深度学习及其变形的方法.现在也有相当一部分人开始研究3维人脸识别识别,这种项目目前也受到了学术界.工业界和国家的支持. 之后的内容主要参考了下面的链接,