python + opencv

os.listdir() 方法用于返回指定的文件夹包含的文件或文件夹的名字的列表。这个列表以字母顺序。 它不包括 '.' 和'..' 即使它在文件夹中。

image_paths = [os.path.join(path, f) for f in os.listdir(path)]

['dataSet\\User.0.1.jpg', 'dataSet\\User.0.10.jpg', 'dataSet\\User.0.11.jpg'.......]

 

image_id = int(os.path.split(image_path)[-1].split(".")[1])

获取.之前的数字/字母   

recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('trainner/trainner.yml')

 

 ## LBPH缺省参数就能正确区分人像。 ## 此外还有Eigen和Fisher两种分类识别器## EigenFaceRecognizer_create() ## FisherFaceRecognizer_create()model.train(images, labels)

 

 

face_cascade = cv2.CascadeClassifier(cascade_path)

CascadeClassifier是Opencv中做人脸检测的时候的一个级联分类器,现在有两种选择:一是使用老版本的CvHaarClassifierCascade函数,一是使用新版本的CascadeClassifier类。老版本的分类器只支持类Haar特征,而新版本的分类器既可以使用Haar,也可以使用LBP特征。

font = cv2.FONT_HERSHEY_SIMPLEX

字体结构初始化

eg.python
faces = faceCascade.detectMultiScale(
    gray,
    scaleFactor=1.1,
    minNeighbors=5,
    minSize=(40, 40),
    flags=cv2.CASCADE_SCALE_IMAGE
)

 

 

PythonOpenCV是一种非常流行的计算机视觉库,用于处理图像和视频数据。OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习软件库,提供了许多功能,包括图像处理、特征检测、目标跟踪、运动检测等。Python是用于编写计算机程序的高级编程语言,它易于学习,并且拥有丰富的第三方库,包括OpenCVPythonOpenCV的主要应用场景包括: 1. 图像处理:使用OpenCV可以进行各种图像处理操作,例如调整大小、裁剪、旋转、色彩空间转换、滤波等。 2. 特征检测:OpenCV提供了许多特征检测算法,如SIFT、SURF、ORB等,可用于识别图像中的关键点并提取特征描述符。 3. 目标跟踪:OpenCV提供了许多目标跟踪算法,如帧间差分法、光流法等,可用于实时跟踪视频中的运动目标。 4. 运动检测:OpenCV可以检测视频中的运动对象,例如车辆、行人等。 5. 面部识别:OpenCV可以用于面部识别,通过检测图像中的面部特征并进行匹配。 使用PythonOpenCV进行计算机视觉开发的基本步骤包括: 1. 安装PythonOpenCV库:可以从官方网站下载并安装PythonOpenCV库。 2. 导入库:在Python脚本中导入OpenCV库,以便可以使用其提供的函数和方法。 3. 读取图像或视频文件:使用OpenCV的函数读取图像或视频文件,并将其加载到内存中。 4. 进行图像处理或特征检测:使用OpenCV提供的函数和方法对图像或视频进行处理或检测特征。 5. 保存结果:将处理或检测的结果保存到文件或输出到控制台。 总之,PythonOpenCV是一种强大的计算机视觉工具,可用于各种图像和视频处理任务。通过学习和掌握PythonOpenCV,您可以轻松地进行计算机视觉研究、开发和应用。
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