Py之dlib:Python库之dlib库的简介、安装、使用方法详细攻略(二)

简介: Py之dlib:Python库之dlib库的简介、安装、使用方法详细攻略

dlib库的使用函数


0、利用dlib.get_frontal_face_detector函数实现人脸检测可视化


CV之dlib:利用dlib.get_frontal_face_detector函数实现人脸检测


image.png

image.png



1、hog提取特征的函数


dlib.get_frontal_face_detector()    #人脸特征提取器,该函数是在C++里面定义的


help(dlib.get_frontal_face_detector())

Help on fhog_object_detector in module dlib.dlib object:

class fhog_object_detector(Boost.Python.instance)

|  This object represents a sliding window histogram-of-oriented-gradients based object detector.

|

|  Method resolution order:

|      fhog_object_detector

|      Boost.Python.instance

|      builtins.object

|

|  Methods defined here:

|

|  __call__(...)

|      __call__( (fhog_object_detector)arg1, (object)image [, (int)upsample_num_times=0]) -> rectangles :

|          requires

|              - image is a numpy ndarray containing either an 8bit grayscale or RGB

|                image.

|              - upsample_num_times >= 0

|          ensures

|              - This function runs the object detector on the input image and returns

|                a list of detections.

|              - Upsamples the image upsample_num_times before running the basic

|                detector.

|

|  __getstate__(...)

|      __getstate__( (fhog_object_detector)arg1) -> tuple

|

|  __init__(...)

|      __init__( (object)arg1) -> None

|

|      __init__( (object)arg1, (str)arg2) -> object :

|          Loads an object detector from a file that contains the output of the

|          train_simple_object_detector() routine or a serialized C++ object of type

|          object_detector<scan_fhog_pyramid<pyramid_down<6>>>.

|

|  __reduce__ = <unnamed Boost.Python function>(...)

|

|  __setstate__(...)

|      __setstate__( (fhog_object_detector)arg1, (tuple)arg2) -> None

|

|  run(...)

|      run( (fhog_object_detector)arg1, (object)image [, (int)upsample_num_times=0 [, (float)adjust_threshold=0.0]]) -> tuple :

|          requires

|              - image is a numpy ndarray containing either an 8bit grayscale or RGB

|                image.

|              - upsample_num_times >= 0

|          ensures

|              - This function runs the object detector on the input image and returns

|                a tuple of (list of detections, list of scores, list of weight_indices).

|              - Upsamples the image upsample_num_times before running the basic

|                detector.

|

|  save(...)

|      save( (fhog_object_detector)arg1, (str)detector_output_filename) -> None :

|          Save a simple_object_detector to the provided path.

|

|  ----------------------------------------------------------------------

|  Static methods defined here:

|

|  run_multiple(...)

|      run_multiple( (list)detectors, (object)image [, (int)upsample_num_times=0 [, (float)adjust_threshold=0.0]]) -> tuple :

|          requires

|              - detectors is a list of detectors.

|              - image is a numpy ndarray containing either an 8bit grayscale or RGB

|                image.

|              - upsample_num_times >= 0

|          ensures

|              - This function runs the list of object detectors at once on the input image and returns

|                a tuple of (list of detections, list of scores, list of weight_indices).

|              - Upsamples the image upsample_num_times before running the basic

|                detector.

|

|  ----------------------------------------------------------------------

|  Data and other attributes defined here:

|

|  __instance_size__ = 160

|

|  __safe_for_unpickling__ = True

|

|  ----------------------------------------------------------------------

|  Methods inherited from Boost.Python.instance:

|

|  __new__(*args, **kwargs) from Boost.Python.class

|      Create and return a new object.  See help(type) for accurate signature.

|

|  ----------------------------------------------------------------------

|  Data descriptors inherited from Boost.Python.instance:

|

|  __dict__

|

|  __weakref__

2、CNN提取特征的函数


cnn_face_detector = dlib.cnn_face_detection_model_v1(cnn_face_detection_model)


help(dlib.cnn_face_detection_model_v1)

Help on class cnn_face_detection_model_v1 in module dlib.dlib:

class cnn_face_detection_model_v1(Boost.Python.instance)

|  This object detects human faces in an image.  The constructor loads the face detection model from a file. You can download a pre-trained model from http://dlib.net/files/mmod_human_face_detector.dat.bz2.

|

|  Method resolution order:

|      cnn_face_detection_model_v1

|      Boost.Python.instance

|      builtins.object

|

|  Methods defined here:

|

|  __call__(...)

|      __call__( (cnn_face_detection_model_v1)arg1, (object)img [, (int)upsample_num_times=0]) -> mmod_rectangles :

|          Find faces in an image using a deep learning model.

|                    - Upsamples the image upsample_num_times before running the face

|                      detector.

|

|      __call__( (cnn_face_detection_model_v1)arg1, (list)imgs [, (int)upsample_num_times=0 [, (int)batch_size=128]]) -> mmod_rectangless :

|          takes a list of images as input returning a 2d list of mmod rectangles

|

|  __init__(...)

|      __init__( (object)arg1, (str)arg2) -> None

|

|  __reduce__ = <unnamed Boost.Python function>(...)

|

|  ----------------------------------------------------------------------

|  Data and other attributes defined here:

|

|  __instance_size__ = 984

|

|  ----------------------------------------------------------------------

|  Methods inherited from Boost.Python.instance:

|

|  __new__(*args, **kwargs) from Boost.Python.class

|      Create and return a new object.  See help(type) for accurate signature.

|

|  ----------------------------------------------------------------------

|  Data descriptors inherited from Boost.Python.instance:

|

|  __dict__

|

|  __weakref__


inline frontal_face_detector get_frontal_face_detector()


相关文章
|
6天前
|
XML 存储 数据库
Python中的xmltodict库
xmltodict是Python中用于处理XML数据的强大库,可将XML数据与Python字典相互转换,适用于Web服务、配置文件读取及数据转换等场景。通过`parse`和`unparse`函数,轻松实现XML与字典间的转换,支持复杂结构和属性处理,并能有效管理错误。此外,还提供了实战案例,展示如何从XML配置文件中读取数据库连接信息并使用。
Python中的xmltodict库
|
13天前
|
数据库 Python
异步编程不再难!Python asyncio库实战,让你的代码流畅如丝!
在编程中,随着应用复杂度的提升,对并发和异步处理的需求日益增长。Python的asyncio库通过async和await关键字,简化了异步编程,使其变得流畅高效。本文将通过实战示例,介绍异步编程的基本概念、如何使用asyncio编写异步代码以及处理多个异步任务的方法,帮助你掌握异步编程技巧,提高代码性能。
49 4
|
12天前
|
数据采集 数据可视化 数据挖掘
利用Python进行数据分析:Pandas库实战指南
利用Python进行数据分析:Pandas库实战指南
|
算法 UED Python
<LeetCode天梯>攻略集合部分 | 初级算法 | Python(U can save)
<LeetCode天梯>攻略集合部分 | 初级算法 | Python(U can save)
<LeetCode天梯>攻略集合部分 | 初级算法 | Python(U can save)
|
8天前
|
机器学习/深度学习 人工智能 TensorFlow
人工智能浪潮下的自我修养:从Python编程入门到深度学习实践
【10月更文挑战第39天】本文旨在为初学者提供一条清晰的道路,从Python基础语法的掌握到深度学习领域的探索。我们将通过简明扼要的语言和实际代码示例,引导读者逐步构建起对人工智能技术的理解和应用能力。文章不仅涵盖Python编程的基础,还将深入探讨深度学习的核心概念、工具和实战技巧,帮助读者在AI的浪潮中找到自己的位置。
|
8天前
|
机器学习/深度学习 数据挖掘 Python
Python编程入门——从零开始构建你的第一个程序
【10月更文挑战第39天】本文将带你走进Python的世界,通过简单易懂的语言和实际的代码示例,让你快速掌握Python的基础语法。无论你是编程新手还是想学习新语言的老手,这篇文章都能为你提供有价值的信息。我们将从变量、数据类型、控制结构等基本概念入手,逐步过渡到函数、模块等高级特性,最后通过一个综合示例来巩固所学知识。让我们一起开启Python编程之旅吧!
|
8天前
|
存储 Python
Python编程入门:打造你的第一个程序
【10月更文挑战第39天】在数字时代的浪潮中,掌握编程技能如同掌握了一门新时代的语言。本文将引导你步入Python编程的奇妙世界,从零基础出发,一步步构建你的第一个程序。我们将探索编程的基本概念,通过简单示例理解变量、数据类型和控制结构,最终实现一个简单的猜数字游戏。这不仅是一段代码的旅程,更是逻辑思维和问题解决能力的锻炼之旅。准备好了吗?让我们开始吧!
|
2天前
|
存储 人工智能 数据挖掘
Python编程入门:打造你的第一个程序
本文旨在为初学者提供Python编程的初步指导,通过介绍Python语言的基础概念、开发环境的搭建以及一个简单的代码示例,帮助读者快速入门。文章将引导你理解编程思维,学会如何编写、运行和调试Python代码,从而开启编程之旅。
22 2
|
2天前
|
存储 数据挖掘 开发者
Python编程入门:从零到英雄
在这篇文章中,我们将一起踏上Python编程的奇幻之旅。无论你是编程新手,还是希望拓展技能的开发者,本教程都将为你提供一条清晰的道路,引导你从基础语法走向实际应用。通过精心设计的代码示例和练习,你将学会如何用Python解决实际问题,并准备好迎接更复杂的编程挑战。让我们一起探索这个强大的语言,开启你的编程生涯吧!
|
3天前
|
存储 Python
Python编程入门:理解基础语法与编写简单程序
本文旨在为初学者提供一个关于如何开始使用Python编程语言的指南。我们将从安装Python环境开始,逐步介绍变量、数据类型、控制结构、函数和模块等基本概念。通过实例演示和练习,读者将学会如何编写简单的Python程序,并了解如何解决常见的编程问题。文章最后将提供一些资源,以供进一步学习和实践。
11 1
下一篇
无影云桌面