媒体大数据实例分析—图像人脸识别实验

本文是作者在媒体大数据课程中进行图像人脸识别实验的记录,详细介绍了使用OpenCV和Dlib进行人脸检测与对齐的步骤,包括遇到的问题及解决方法,分享了实验代码和结果。
摘要由CSDN通过智能技术生成


前言

1.编写目的

上媒体大数据实例分析课的需要,记录一下图像人脸识别实验的过程。菜鸟一只,全程摸索,有错误求指教。

2.编码工具(这个该怎么喊,求教)

用anaconda装的JupyterLab ,python版本3.8(jupyterlab装好的时候是3.6,学爬虫的时候忘了怎么折腾的升成了3.8)

用如下语句可以查询jupyter的python版本
在这里插入图片描述

3.遇到的问题/解决方法

  • 大部分代码都是照着老师/师姐们给的ppt写的(加了点自己理解的注释)
  • 遇到一个问题就是,输出的结果图片尺寸过大,而且输出的框框也不能缩放调整尺寸(或许是我没找到方法),就只能看见图片的一部分
  • 使用的解决方法就是调整图片的尺寸。(代码参考
    一和三直接添加如下代码段;
    #图片过大时调整尺寸
    height, width = img.shape[0:2]
    img_resize = cv2.resize(img, (int(width / 2), int(height / 2)), cv2.INTER_AREA)
    img=img_resize

二自己摸索着改了一下(设置了变量size_num,方便调整),对比结果感觉还行,框的位置肉眼感觉一模一样,本来还以为可能会有误差啥的。
改动部分如下

    #图片过大时调整尺寸
    size_num=2
    height, width = img.shape[0:2]
    img_resize = cv2.resize(img, (int(width / size_num), int(height / size_num)), cv2.INTER_AREA)
    img=img_resize
    
    for i in range(face_num2):
        # 获取位置信息 + 调尺寸
        top=int(face_locations_noCNN[i][0] / size_num)
        right=int(face_locations_noCNN[i][1] / size_num)
        bottom=int(face_locations_noCNN[i][2] / size_num)
        left=int(face_locations_noCNN[i][3] / size_num)
        # 设置参数
        start=(left,top) # 长方形框左上角坐标
        end
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值