基于python+opencv的模型训练一个项目(提供源码)

本文介绍了一个基于Python和OpenCV的人脸打卡系统项目,包括项目背景、所需库、实现效果、错误解决及完整代码。通过解决'cv2.face'属性缺失的问题,成功完成模型训练,提供源码供读者实践。
摘要由CSDN通过智能技术生成

1.项目的意义
我也不知道有啥意义,大概只是新手村的一个小小任务吧。

2.项目背景
传统的纸质打卡已经逐渐被淘汰,转而用于更高级的指纹打卡和人脸打卡,这是不可避免的时代,所以在这样的情况,我们小队做了一个基于人脸打卡的系统的设计
3.需要用到的第三方库
import cv2.cv2 as cv #图像处理
import os #科学计算
import numpy as np #数组计算
from PIL import Image #图片转灰
4.实现的效果图
在这里插入图片描述
在这里插入图片描述
5.环境的搭建

6.错误集合
至于为什么会显示module ‘cv2’ has no attribute 'face’的错误,虽然大多数的大佬都是进行各种各样的骚操作来解决这个问题,但是你最终会发现,原因很简单很简单。
在第三方库搜索一下,就是第一个,点击下载,即可解决训练问题
opencv-contrib
喏
7.完整代码

#导入第三方库
import cv2.cv2 as cv    #图像处理
import os   #科学计算
import numpy as np  #数组计算
from PIL import Image   #图片转灰

#函数
def get_img(path):
    #调用训练集(调用别人的训练集来给自己的图片裁剪)
    face = cv.CascadeClassifier('haarcascade_frontalface_alt2.xml')
    #图片集
    picture = []
    #标签集
    ids = []
  • 2
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
基于Yolov5和OpenCV的课堂学习状态识别检测源码可以通过以下步骤实现: 1. 安装Yolov5和OpenCV库:首先,需要在计算机上安装Yolov5和OpenCV库。可以通过pip命令来安装这些库,如'pip install yolov5'和'pip install opencv-python'。 2. 下载Yolov5模型权重:从Yolov5的GitHub页面上可以下载预训练的Yolov5模型权重文件,如'yolov5s.pt'。 3. 设置输入源:可以使用OpenCV来设置输入源,如摄像头、视频文件或图像。例如,可以使用以下代码来设置使用摄像头作为输入源: ```python import cv2 cap = cv2.VideoCapture(0) ``` 4. 加载Yolov5模型:使用Yolov5的load_model()方法来加载预训练的Yolov5模型权重文件。 ```python from models.experimental import attempt_load model = attempt_load('yolov5s.pt') ``` 5. 进行目标检测:使用Yolov5模型对输入源中的图像进行目标检测。可以使用以下代码来实现: ```python ret, frame = cap.read() results = model(frame) ``` 6. 进行状态识别:根据目标检测的结果,使用OpenCV的图像处理和分析方法来进行状态识别。例如,可以检测人脸表情、姿势、动作等。 7. 输出结果:根据状态识别的结果,使用OpenCV的图像绘制函数来标注人脸或其他识别到的物体,并显示在屏幕上。 以上就是基于Yolov5和OpenCV的课堂学习状态识别检测源码的基本步骤。可以根据实际需求进行相应的代码实现和优化。
评论 1
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

打赏作者

技术Aaaaaa.

你的打赏对我来说没有丝毫的用处

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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