net = cv2.dnn.readNet(args["model"]) cv2.error: OpenCV(3.4.2) C:\Miniconda3\conda-bld\opencv-suite

问题:

之前用conda 安装的OpenCV版本为3.4.2:
在这里插入图片描述
使用OPenCV的dnn模块报错:
net = cv2.dnn.readNet(args[“model”])
cv2.error:

 OpenCV(3.4.2) C:\Miniconda3\conda-bld\opencv-suite_1534379934306\work\modules\dnn\src\dnn.cpp:3044: error: (-2:Unspecified error) Cannot determine an origin framework of fi
les: resnet-34_kinetics.onnx in function 'cv::dnn::experimental_dnn_v5::readNet'
解决办法:

用opencv中的DNN模块最好是最新版本(4.1.1或以上版本)。
使用pip安装opencv-python:

pip install opencv-python

在这里插入图片描述
安装第三方包opencv-contrib-python:

pip install opencv-contrib-python

在这里插入图片描述
安装的opencv版本为4.2.0
在这里插入图片描述
再次测试问题已解决。

这段代码是错误的,因为OpenCVDNN模块不支持LBPH算法。如果你想使用LBPH算法进行人脸识别,可以使用OpenCV的`cv2.face`模块来创建一个LBPH人脸识别器。 以下是使用`cv2.face`模块创建LBPH人脸识别器的示例代码: ``` import cv2 # 加载人脸检测器 face_detector = cv2.CascadeClassifier(cascade_path) # 加载人脸识别器 face_recognizer = cv2.face.LBPHFaceRecognizer_create() # 读取训练数据 face_recognizer.read(training_data_path) # 读取测试图像 test_image = cv2.imread(test_image_path) # 将测试图像转换为灰度图像 gray = cv2.cvtColor(test_image, cv2.COLOR_BGR2GRAY) # 检测人脸 faces = face_detector.detectMultiScale(gray) # 遍历检测到的人脸 for (x, y, w, h) in faces: # 提取人脸区域 face_roi = gray[y:y+h, x:x+w] # 进行人脸识别 label, confidence = face_recognizer.predict(face_roi) # 显示识别结果 cv2.putText(test_image, "Label: {}".format(label), (x, y-10), cv2.FONT_HERSHEY_PLAIN, 1, (0, 255, 0), 2) cv2.putText(test_image, "Confidence: {:.2f}".format(confidence), (x, y+h+30), cv2.FONT_HERSHEY_PLAIN, 1, (0, 255, 0), 2) cv2.rectangle(test_image, (x, y), (x+w, y+h), (0, 255, 0), 2) # 显示测试结果 cv2.imshow("Test Image", test_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在这个代码中,`cascade_path`是人脸检测器的级联分类器文件路径,`training_data_path`是训练数据的路径,`test_image_path`是测试图像的路径。你需要将它们替换成你自己的文件路径。
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

圆滚熊

你的鼓励将是我创作的最大动力

¥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